dissertação de mestrado de nikolai dimitrii albuquerque · do conteúdo e de seus...
TRANSCRIPT
Universidade Federal de Santa Catarina Programa de Pós-Graduação em
Engenharia de Produção
Nikolai Dimitrii Braga de Albuquerque
UMA ARQUITETURA PARA O COMPARTILHAMENTO DO CONHECIMENTO EM
BIBLIOTECAS DIGITAIS
Dissertação apresentada ao Programa de Pós-
Graduação em Engenharia de Produção da
Universidade Federal de Santa Catarina, como
requisito parcial para obtenção do título de Mestre
em Engenharia de Produção.
Orientador: Prof. Vinícius Medina Kern, Dr.
Florianópolis 2003
Nikolai Dimitrii Braga de Albuquerque
UMA ARQUITETURA PARA O COMPARTILHAMENTO DO CONHECIMENTO EM BIBLIOTECAS DIGITAIS
Esta dissertação foi julgada e aprovada para obtenção do título de Mestre em Engenharia de Produção no Programa de Pós-
Graduação em Engenharia de Produção da Universidade Federal de Santa Catarina
Florianópolis, 30 de setembro de 2003
_________________________________ Prof. Edson Pacheco Paladini, Dr.
Coordenador do Programa
BANCA EXAMINADORA
________________________________ Prof. Vinícius Medina Kern, Dr. Orientador Universidade Federal de Santa Catarina
_______________________________ Prof. Roberto C. S. Pacheco, Dr. Universidade Federal de Santa Catarina
________________________________ Prof. José Leomar Todesco, Dr. Universidade Federal de Santa Catarina
À Juliana, minha esposa, pela paciência e companheirismo.
À Daniela, minha filha, pela
alegria em nossas vidas.
A meus irmãos, Andrik Dimitrii, Alexei Dimitrii e Farah Diba pelos
momentos ausentes.
A meus pais, Ubirajara e Lêda pela dedicação.
AGRADECIMENTOS
Ao Grupo Stela por ter proporcionado o ambiente favorável ao
desenvolvimento dessa dissertação, em particular ao Roberto Pacheco pelas
experiências compartilhadas ao longo desses quatros anos de trabalho.
Também sou muito grato ao professor Vinícius Kern que me orientado nessa
etapa de pesquisa. Não poderia deixar de mencionar os amigos: André
Castoldi, Cid Raulino, Turíbio, Rogério, Humberto Ferro, Lucas, Ricardo,
Giovanni, Marcos Odaguiri, Rodrigo, Rosangela, Sandro Kerber, João Paulo,
Tite e a família do Grupo Stela.
Em especial, gostaria de agradecer ao meu irmão Andrik Dimitrii pelo
companheirismo em todo o desenvolvimento desse trabalho.
“O maior dos segredos é saber como reduzir a força da
inveja.”
Cardinal de Retz
RESUMO
ALBUQUERQUE, Nikolai Dimitrii Braga de. Uma arquitetura para o
compartilhamento do conhecimento em bibliotecas digitais . Florianópolis,
2003. Dissertação (Mestrado em Engenharia de Produção) – Programa de Pós-
Graduação em Engenharia de Produção, UFSC, 2003.
A World Wide Web é uma grande fonte de disseminação de informação, com
destaque as bibliotecas digitais. O compartilhamento de recursos distribuídos,
autônomos, heterogêneos e disponibilizados sem a mínima padronização gera
a problemática da recuperação de uma elevada quantidade de informações
que, na maioria das vezes, não atendem às necessidades dos usuários. Essa
realidade está tornando-se um desafio para a comunidade científica que busca
a integração, intercâmbio e entendimento semântico sobre essas informações.
Tal integração engloba: o gerenciamento dos recursos, envolvendo a avaliação
do conteúdo e de seus relacionamentos; e a padronização dos recursos,
através da descrição de suas propriedades e implementação de mecanismos
que dêem suporte à descoberta e recuperação dos mesmos. Várias iniciativas,
como as desenvolvidas pelo World Wide Web Consortium, buscam por
intermédio da criação de padrões, arquiteturas de metadados, serviços de
inferência e ontologias, dentre outras, a melhor forma de tornar a informação
também compreensível pelas máquinas. Este trabalho, propõe o
desenvolvimento de uma arquitetura de integração semântica de bibliotecas
digitais baseada no uso intensivo de padrões de metadados na forma de
ontologias. Essas ontologias são armazenados em um repositório onde
relações semânticas poderão ser estabelecidas, permitindo assim a
interoperabilidade de repositórios de dados heterogêneos. A partir das
tecnologias abordadas e da representação explícita da semântica do dado,
aliados à teoria de ontologias, é possível oferecer serviços com um maior nível
de qualidade, tornando a Web uma ferramenta capaz de tecer uma rede
semântica de informações e ou conhecimentos.
Palavras-chave: compartilhamento do conhecimento , biblioteca digital, web
semântica.
ABSTRACT
ALBUQUERQUE, Nikolai Dimitrii Braga de. Uma arquitetura para o
compartilhamento do conhecimento em bibliotecas digitais . Florianópolis,
2003. Dissertação (Mestrado em Engenharia de Produção) – Programa de Pós-
Graduação em Engenharia de Produção, UFSC, 2003.
The World Wide Web is a great source of information dissemination, with
prominence, the digital libraries. The distributed resources sharing,
autonomous, heterogeneous and available without any standardization
generates the problematic of the recovery over great amount of information
that, in almost all the times, it doesn´t minister users necessities. his
reality has becoming a challenge for the scientific community that search to
integration, interchange and semantic understanding about these
informations. This integration is composed: resources management, involving
the content evaluation of the and their relationships; and the resources
standardization, through yours properties description and implementation
of mechanisms that gives support to discovery and recovery of it. Several
initiatives, like those developed by the World Wide Web Consortium, try
through the creation of patterns, architectures of metadata, inference
services and onthology, among others, the better way of making information
understandable for the machines. This work proposes the developmente of a
semantic integration of digital libraries based on the intensive use of
patterns of etadata in the form of onthologies. hese onthologies are stored
in a repository where semantic relations will be established, thus allowing
the interoperationability of heterogeneous data repositories. From these
mentioned technologies and the explicit representation of the datum´s
semantic, allied to the theory of onthologies, it is possible to offer
services with a higher level of quality, turning the web a tool capable
of weaving a semantic net of informations and/or knowledge.
Keywords: Knowledge Sharing, Digital Library, Semantic Web
SUMÁRIO
LISTA DE FIGURAS ............................................................................................viii
LISTA DE REDUÇÕES.........................................................................................ix
1 INTRODUÇÃO ................................................................................................ 11 1.1 Apresentação..........................................................................................11 1.2 Justificativa .............................................................................................12 1.3 Objetivo geral..........................................................................................13 1.4 Objetivos específicos..............................................................................13 1.5 Metodologia ............................................................................................13 1.6 Estrutura do Trabalho.............................................................................14
2 METADADOS.................................................................................................. 16 2.1 Processo de Integração de Dados.........................................................17 2.2 O Papel do Metadado no Processo de Integração................................19 2.3 Padrões e Arquiteturas de Metadados...................................................20 2.3.1 Padrões de Metadados .................................................................21 2.3.1.1 Interoperabilidade entre ferramentas...............................22 2.3.2 Arquiteturas de Metadados .................................................................25 2.4 Considerações finais ..............................................................................31
3 ONTOLOGIAS ................................................................................................ 32 3.1. O que são Ontologias?...........................................................................34 3.2. Tipos de Ontologias ................................................................................35 3.3. Profundidade ontológica.........................................................................37 3.4. Benefícios no uso de ontologias ............................................................39 3.5. Problemas no uso de ontologias ............................................................40 3.6. Construção de ontologias.......................................................................41 3.7. Linguagens para a criação de ontologias ..............................................48 3.8. Considerações finais ..............................................................................52
4 DESENVOLVENDO A SEMÂNTICA NA WEB......................................... 53 4.1 Web Semântica ......................................................................................56 4.2 Motivação para Web Semântica? ..........................................................60 4.3 Arquitetura da Web Semântica ..............................................................62
4.3.1 Camada Esquema.........................................................................63 4.3.2 Camada Ontologia.........................................................................66 4.3.3 Camada Lógica .............................................................................70
4.4 O papel dos Web Services na Web Semântica.....................................71 4.4.1 Protocolos utilizados pelos Web Services ..........................................72 4.5 Considerações finais ..............................................................................74
5 INTEGRADOR SEMÂNTICO DE BIBLIOTECAS DIGITAIS .................. 76 5.1 Arquitetura de integração semântica de bibliotecas digitais..................81 5.2 Integração das bibliotecas digitais do IBICT da SciELO .......................89 5.3 Considerações finais ..............................................................................99
6 CONCLUSÕES E TRABALHOS FUTUROS...........................................100
6.1 Conclusões ...........................................................................................100 6.2 Trabalhos futuros ..................................................................................101
7 REFERÊNCIAS BIBLIOGRÁFICAS .........................................................103
viii
LISTA DE FIGURAS
FIGURA 2.1 - EXEMPLO DA UTILIZAÇÃO DA ARQUITETURA WARWICK. ...............................27 FIGURA 2.2 - MODELO DE DADOS DA MCF..........................................................................29 FIGURA 3.1 - TIPOS DE ONTOLOGIAS, SEGUNDO SEU NÍVEL DE DEPENDÊNCIA...................37 FIGURA 4.1 - PROPOSTA ORIGINAL DA WEB........................................................................56 FIGURA 4.2 - EVOLUÇÃO DOS DADOS. .................................................................................58 FIGURA 4.3 - ARQUITETURA DA WEB SEMÂNTICA. ...............................................................63 FIGURA 4.4 - ESTRUTURA DA LINGUAGEM XML..................................................................65 FIGURA 4.5 - SENTENÇA RDF REPRESENTADA NA FORMA GRÁFICA..................................68 FIGURA 4.6 - SENTENÇA RDF ESCRITA EM XML................................................................68 FIGURA 4.7 - SENTENÇA RDF NA FORMA DE TRIPLAS ........................................................68 FIGURA 4.8 - EXEMPLO DA SINTAXE DO RDF SCHEMA.......................................................69 FIGURA 4.9 - EVOLUÇÃO DA TECNOLOGIA DE WEB SERVICES.............................................71 FIGURA 4.10 - ESQUEMA DOS WEB SERVICES COM OS PROTOCOLOS................................72 FIGURA 5.1 - INTEGRAÇÃO ESTRUTURAL DE FONTE DE DADOS...........................................81 FIGURA 5.2 - ARQUITETURA PROPOSTA PARA INTEGRAÇÃO SEMÂNTICA............................84 FIGURA 5.3 - MAPEAMENTO DOS ELEMENTOS DOS MODELOS ............................................90 FIGURA 5.4 - DESENVOLVIMENTO DA ESPECIFICAÇÃO OIL DO MODELO DO IBICT............90 FIGURA 5.5 - LISTAGEM OWL DA SCIELO..........................................................................91 FIGURA 5.6 - LISTAGEM OWL DO IBICT. ............................................................................91 FIGURA 5.7 - INTEGRAÇÃO EM OWL DOS MODELOS DO IBICT E DA SCIELO. ..................92 FIGURA 5.8 - TELA INICIAL DO BASCIN...............................................................................94 FIGURA 5.9 - PESQUISA DE TÍTULOS PELA PALAVRA "SAÚDE".............................................94 FIGURA 5.10 - RESULTADO DA PESQUISA NA BASCIN.......................................................95 FIGURA 5.11 - LINK DO TEXTO COMPLETO NO PORTAL DA BDTD DO IBICT......................96 FIGURA 5.12 - LINK DO TEXTO COMPLETO NO BTD DO PPGEP/UFSC............................96 FIGURA 5.13 - LINK DO TEXTO COMPLETO NO PORTAL DA SCIELO....................................97 FIGURA 5.14 - ACESSO AO TEXTO COMPLETO DA PRODUÇÃO NO PORTAL DA SCIELO. ....98
ix
LISTA DE REDUÇÕES
ASCII American Standard Code for Information Interchange BDB Biblioteca Digital Brasileira BDTD Biblioteca Digital de Teses e Dissertações CASE Computer Aided Software Enginnering CERN European Organization for Nuclear Research CML Conceptual Modelling Language CORBA Common Object Request Broker Architecture CWM Common Warehouse Model DAML DARPA Agent Markup Language DARs Distributed Active Relationships DC Dublin Core DLF Digital Library Federation DLG Directed Labeled Graph DRM Digital-Right Management DW Data Warehouse EDI Electronic Data Interchange FGDC Federal Geographic Data Committee GIGO Garbage in, Garbage out HTML Hipertext Markup Language IBICT Instituto Brasileiro de Informação Ciência e Tecnologia IDL Interface Definition Language LMPL Linguagem de Marcação da Plataforma Lattes KIF Knowledge Interchange Format MARC MAchine-Readable Catalogue MCF Meta Content Framework MDC Meta Data Coalition MOF Meta Object Facility MTD-BR Metadados de Teses e Dissertações Brasileiras OIM Open Information Model OKBC Open Knowledge Base Connectivity OMG Object Management Group OWL Ontology Web Language PICS Platform for Internet Content Selection RDF Resource Description Framework RDFS Resource Description Framework Schema SciELO Scientific Electronic Library Online SGML Standard Generalized Markup Language SQL Structured Query Language
x
TOVE Toronto Virtual Enterprise UDK Umwelt-Datenkatalog UML Unified Modeling Language URL Uniform Resource Locator VSAM Virtual Storage Acess Method W3C World Wide Web Consortium WSDL Web Service Description Language WWW World Wide Web XMI XML Meta Interchange XML eXtensible Markup Language XSL eXtensible Style Language XSLT eXtensible StyleSheets Language Transformations
11
1 INTRODUÇÃO
1.1 Apresentação
O crescimento da World Wide Web (WWW) é um acontecimento facilmente
evidenciado principalmente na educação, onde a utilização de recursos na Web
ganha cada vez mais importância devido ao fato de ser uma fonte natural e
universal de pesquisa.
Esse crescimento acelerado exigiu uma demanda por serviços na Web num
ritmo muito acelerado, acarretando na criação de uma infra-estrutura global e
um conjunto de padrões para suportar a troca de documentos, um formato de
apresentação para hipertexto (HTML) e técnicas para recuperação de
informações. Porém, a alta heterogeneidade, autonomia e ampla distribuição
dos dados na web sem uma padronização mínima tornaram a consulta dos
dados pouco confiável, já que não se tem um esquema uniforme para se fazer
consultas. As consultas são efetuadas geralmente através da navegação
exaustiva, que dificilmente resulta em sucesso, devido ao grande volume de
dados a ser consultado, ou através das buscas por palavras-chaves.
Devido a estas deficiências, a recuperação de informação na web vem se
tornando um desafio para a comunidade científica, a qual, focou muitos
estudos em soluções para os problemas emergidos com a consolidação e
crescimento de sistemas web, principalmente no que tange à integração,
intercâmbio e entendimento semântico das informações. Várias iniciativas
concentram esforços na criação de padrões, modelos, linguagens, arquiteturas
de metadados, dentre outros, para atender aos novos requisitos da web.
12
1.2 Justificativa
A WWW é hoje uma grande fonte de disseminação de informação nas
principais áreas de conhecimento, mas o seu crescimento desordenado tem
dificultado a localização, acesso, apresentação e manutenção das informações
disponíveis. O compartilhamento de recursos distribuídos, autônomos,
heterogêneos e disponibilizados sem a mínima padronização gera a
problemática da recuperação da informação. A insatisfação dos usuários com
relação à realização de consultas na Web está relacionada sobretudo com a
recuperação de uma elevada quantidade de dados e ou informações que, na
maioria das vezes, não atendem às necessidades dos usuários.
Atualmente as páginas web utilizam-se de mecanismos de representação
embutidos em linguagens como HTML. No entanto, o conteúdo da informação
é disponibilizado principalmente em linguagem natural, havendo portanto uma
grande lacuna entre a informação disponibilizada e a recuperação realizada de
forma automática por ferramentas.
Com base nessas deficiências, a Web se torna um desafio para a
comunidade científica que busca sucesso na integração, intercâmbio e
entendimento semântico sobre essas informações. Tal integração engloba: o
gerenciamento dos recursos, envolvendo a avaliação do conteúdo e de seus
relacionamentos; e a padronização dos recursos, através da descrição de suas
propriedades e implementação de mecanismos que dêem suporte à descoberta
e recuperação dos mesmos. Várias iniciativas, como as desenvolvidas pelo
W3C, buscam por intermédio da criação de padrões, arquiteturas de
13
metadados, serviços de inferência e ontologias, dentre outras, a melhor forma
de tornar a informação também compreensível pela máquina.
Os motivos que incentivaram o desenvolvimento desta pesquisa foi a
dificuldade encontrada, na etapa de integração do Banco de Teses e
Dissertações - BTD do PPGEP/UFSC com a Biblioteca Digital de Teses e
Dissertações – BDTD. Projeto coordenado pelo IBICT e auxiliado por um
consórcio de instituições das quais a UFSC faz parte.
1.3 Objetivo geral
O objetivo do presente trabalho é desenvolver uma arquitetura para
integração semântica de bibliotecas digitais, contribuindo para a realização do
compartilhamento do conhecimento.
1.4 Objetivos específicos
1. Especificar uma arquitetura para o gerenciamento e a integração
semântica de bibliotecas digitais.
2. Apresentar um cenário de integração semântica em C&T utilizando os
repositórios da Biblioteca Digital Teses e Dissertações Brasileira (BDTD)
e a Biblioteca Digital da SciELO.
1.5 Metodologia
Quanto à natureza, este trabalho é considerado uma pesquisa aplicada,
pois tem como objetivo a aplicação prática de um modelo dirigido à solução de
problemas específicos, demonstrados na justificativa desta pesquisa. Quanto à
abordagem do problema, este trabalho é considerado qualitativo. Ele está
14
baseado em um modelo de desenvolvimento em que não é necessária uma
análise estatística para qualquer comprovação.
Do ponto de vista de seus objetivos, a pesquisa é exploratória, pois visa
proporcionar uma maior relação com o problema através de um levantamento
bibliográfico e de exemplos já existentes. Do ponto de vista dos procedimentos
técnicos, esta pesquisa pode ser classificada como bibliográfica e de estudo de
caso.
Para tratar o problema de pesquisa da dissertação, adotaram-se as
seguintes etapas:
1. Estudo teórico sobre metadados, ontologias e web semântica no
gerenciamento de conteúdos digitais.
2. Elaboração de uma arquitetura de integração semântica em bibliotecas
digitais.
3. Aplicação da arquitetura de integração semântica utilizando a Biblioteca
Digital Teses e Dissertações Brasileiras (BDTB) e a Biblioteca Digital da
SciELO como fonte de dados.
1.6 Estrutura do Trabalho
O presente trabalho está estruturado em seis capítulos organizados de
acordo com os temas relacionados ao desenvolvimento deste trabalho. No
segundo capítulo é apresentada à definição e importância dos metadados no
ciclo de vida e na integração dos sistemas informacionais. Também são
apresentados padrões e arquiteturas de metadados que desempenham um
15
papel fundamental no processo de desenvolvimento de software. No terceiro
capítulo são apresentadas definições sobre ontologias e a sua relação
intrínseca com os metadados. Também são apresentados seus tipos e
profundidades ontológicas e as metodologias e linguagens disponíveis no
processo de desenvolvimento e integração. No quarto capítulo são
apresentadas definições sobre a arquitetura da web semântica e a sua relação
com a web atual. Também são apresentados a tecnologia dos web services e
alguns protocolos recomendados pela W3C que desempenha um papel
fundamental no processo de integração de repositórios de dados. No quinto
capítulo é apresentada uma arquitetura de integração semântica e um protótipo
de integração das bibliotecas digitais do IBICT e da SciELO. No sexto capítulo
são apresentados as conclusões e trabalhos futuros.
16
2 METADADOS
O gerenciamento integrado de bases de dados heterogêneas não é uma
tarefa trivial. A principal causa desta complexidade reside no fato de que a
maior parte destes repositórios são produzidos de forma independente, usando
tecnologias variadas de redes, sistemas operacionais e modelos de dados.
Além disso, os dados normalmente encontram-se distribuído geograficamente
o que contribui no aumento da complexidade, ainda mais se considerarmos
distribuição no contexto da web. Prover o compartilhamento destas bases entre
usuários de diferentes níveis tem sido o grande desafio da comunidade técnico-
científica.
Algumas das características que dificultam o compartilhamento de dados
segundo (GUNTHER, 1998) e (SIMON, 1998) são:
– Dados dinâmicos na sua conceitualização;
– A quantidade de dados a ser processada varia desde um grande volume
de dados, como é o caso de processamento de imagens, até pequenos
conjuntos de tabelas, como, por exemplo as tabelas contendo medidas
de temperaturas coletadas de diversos sites e que podem apresentar
uma diversidade de formatos;
– Os processos de captura dos dados, coleta, processamento e
armazenamento são realizados geralmente através de diversas fontes
de dados geograficamente distribuídas, o que torna o dado altamente
distribuído e heterogêneo em termos de plataforma de hardware e
software;
17
– Os dados podem estar organizados em uma variedade de modelos de
dados (relacional, hierárquico, orientado a objetos, arquivos textos, etc.);
– Os dados são encontrados sob diferentes tipos como: medidas
numéricas, variáveis, séries temporais e seqüências, imagens,
documentos, sons, dentre outros;
– Os dados tendem a serem autônomos à medida que são produzidos e
disponibilizados por instituições e organizações que operam de forma
independente.
O alto grau de heterogeneidade apresentado pelo dado, no formato, nos
diferentes ambientes de hardware e software nos quais se encontram
armazenados, aponta para a necessidade de um mecanismo de integração que
permita o acesso e a analise de dados de múltiplas fontes, que por sua vez
representam diferentes domínios, de uma forma amigável, fácil e precisa.
Metadado tem sido considerado um elemento fundamental no suporte a
interoperabilidade de recursos que apresentam um alto grau de distribuição e
heterogeneidade. Sendo definido como sendo dado sobre o dado. O metadado
auxilia na padronização da descrição, do processamento e da integração de
dados heterogêneos (GUNTHER, 1997).
2.1 Processo de integração de dados
Segundo (HASSELBRING, 2000), o processo de integração de padrões em
ambientes complexos envolve três principais aspectos: heterogeneidade,
autonomia e distribuição, descritos a seguir:
18
– Heterogeneidade: é um dos principais fatores que dificulta a tarefa de
integração entre padrões, é observada em dois níveis:
o Nível técnico: resulta de diferentes plataformas de hardware,
sistemas operacionais, sistemas de gerenciamento de bancos de
dados e linguagens de programação;
o Nível conceitual: resulta das diferentes interpretações do
significado de certos termos, dos diferentes modelos de dados
empregados (modelo relacional, modelo orientado a objeto,
modelo de redes etc), bem como dos diferentes processos de
modelagem para os mesmos conceitos do mundo real. Estes
diferentes processos de modelagem derivam as discrepâncias
esquemáticas (KRISHNAMURTHY, 1991), problema típico da
área de banco de dados, onde o dado de uma base de dados
corresponde ao metadado em outras bases de dados. Conciliar
tais discrepâncias não é uma tarefa trivial considerando-se que
cada modelo contém a semântica dos fatos expressa de
diferentes formas. Em ambientes heterogêneos é comum
encontrarmos dados com o mesmo conteúdo semântico, porém
com nomes diferentes (sinônimos). Igualmente comum é a
presença de homônimos para expressar conceitos diferentes.
– Autonomia: considerando os ambientes no contexto da web, as fontes
de dados geralmente operam de forma independente ou semi-
independente. Como conseqüência, estas fontes podem mudar os
esquemas a qualquer momento sem haver qualquer tipo de autorização
19
ou mesmo de notificação. Conciliar estas mudanças nos esquemas de
forma que os esquemas resultantes do processo de integração reflitam a
realidade também não é uma tarefa trivial.
– Distribuição: os ambientes Web caracterizam-se por serem altamente
distribuídos em termos de suas fontes de dados. Assim, é comum a
distribuição entre microcomputadores, mainframes, servidores de redes
locais e a própria Internet. Lidar com os diferentes protocolos de acesso
aos dados representa um grande desafio no processo de integração.
Heterogeneidade semântica é reconhecida como um dos principais
obstáculos no processo de interoperabilidade entre múltiplas fontes de dados,
em especial no contexto de integração de esquemas (KENT, 1989),
(KRISHNAMURTHY, 1991). Neste contexto, padrões de metadados estão
sendo considerados cruciais na definição do significado da informação de
modo que esta possa ser compartilhada por comunidades de diversas áreas do
conhecimento.
2.2 O Papel do metadado no processo de integração
Atualmente existem diversos padrões de metadado voltados para domínios
particulares do conhecimento, como por exemplo, a Linguagem de Marcação
da Plataforma Lattes (LMPL) padrão que representa informações de C&T do
Brasil e o Metadados de Teses e Dissertações Brasileiras (MTD-BR) padrão de
teses e dissertações do IBICT. Entretanto, não existe um padrão comum capaz
de atender toda e qualquer situação. Segundo (SIMON, 1998), não existe e
20
nunca existirá um padrão de metadado único devido à natureza heterogênea
das aplicações.
Paralelo aos esforços para se obter uma definição de padrão de metadados,
encontra-se a tendência em se descrever os conjuntos de dados e suas fontes
com mais detalhes (qualidade do dado, informação histórica, etc.). Segundo
(SIMON, 1997) é possível prover um melhor acesso aos dados através do uso
de informação contextual, um texto livre associado ao dado.
O surgimento de diversos padrões de metadado originou um grande
problema de incompatibilidade entre os padrões. O padrão Dublin Core (DC)
(WEIBEL, 1999), padrão de referência no contexto de bibliotecas digitais, foi
uma das primeiras tentativas de se gerar um padrão de metadado que fosse
comum a todos os outros padrões. Apesar de ser um padrão aberto, ele não
resolve o problema visto a natureza heterogênea de cada solução. É neste
contexto que surgem as arquite turas genéricas de metadados como solução
para atingir interoperabilidade entre informações descritas em diferentes
padrões de metadado.
2.3 Padrões e arquiteturas de metadados
A necessidade de se compartilhar grandes acervos sob uma perspectiva de
um ambiente integrado tem levado a diversas iniciativas no contexto de
padrões e arquiteturas de metadados por parte da comunidade técnico-
científica. Neste sentido foram desenvolvidos padrões de metadados com
finalidades específicas. Por exemplo, existem padrões que se preocupam
somente com a representação de metadado, definindo que aspectos de um
21
recurso que devem ser descritos. Outros se preocupam com a troca de
metadados, estabelecendo as interfaces necessárias. Um padrão para
representação de metadado requer a completa descrição de um metamodelo
com todos os seus elementos, seus conteúdos semânticos e os
relacionamentos entre estes elementos. Este padrão deve ser totalmente
independente de qualquer implementação específica. Um padrão para troca,
por sua vez, é baseado em um único metamodelo e contém as definições de
interface que especificam o metamodelo em linguagens do tipo eXtensible
Markup Language (XML) e Common Object Request Broker Architecture
(CORBA) Interface Definition Language (IDL).
As arquiteturas de metadados por sua vez, estabelecem mecanismos que
permitem a codificação e o transporte de uma grande variedade de metadados
desenvolvidos de forma independente, buscando assim garantir a
interoperabilidade através do uso de convenções comuns a respeito da
semântica, sintaxe e estrutura do metadado (IANELLA, 1998).
2.3.1 Padrões de Metadados
Padrões de metadados na área científica têm sido discutidos como
mecanismos importantes para que agências governamentais, público em geral
e a própria comunidade cientifica possam compartilhar seus acervos científicos.
Nesta linha destacamos os padrões LMPL e MTD-BR, descritos a seguir.
– LMPL: segundo (Pacheco, 2001b), a Plataforma Lattes de sistemas de
informação em ciência e tecnologia surgiu a partir da necessidade de
integração de informações mantidas por CNPq, CAPES, Fapesp, Finep e
outros sistemas do Ministério de Ciência e Tecnologia. Por ser uma
22
plataforma de C&T é indispensável sua integração com outros sistemas.
Este esforço de compatibilização foi, de certa forma, precursor da LMLP,
uma padrão de metadados para informações de C&T desenvolvida com
o apoio de nove universidades (PUC-PR, UFBA, UFPE, UFRGS, UFRJ,
UFRN, UFSC, Unicamp e USP). Seu desenvolvimento foi motivado pela
necessidade de ampliação da Plataforma Lattes para atender a uma
demanda das instituições de ensino e pesquisa.
– MTD-BR: é um padrão de metadados para teses e dissertações cuja
principal finalidade é tornar disponível os meios para que a comunidade
brasileira de C&T possa publicar seus trabalhos de forma rotineira,
diretamente na rede, aumentando com isso sua visibilidade nacional e
internacional, otimizando o fluxo da comunicação científica e reduzindo o
ciclo de geração de novos conhecimentos. No capítulo 5 será
apresentada uma definição mais detalhada sobre o MTD-BR bem como
a utilização desse padrão no protótipo desenvolvido.
2.3.1.1 Interoperabilidade entre ferramentas
Nos últimos anos tem sido grande a preocupação entre os fabricantes de
software com relação à interoperabilidade entre ferramentas. A troca de
metadados entre estas é uma tarefa crítica, visto que estas ferramentas
geralmente codificam e armazenam seus metadados de forma proprietária.
De modo a viabilizar o intercâmbio entre códigos gerados a partir de
componentes de ferramentas distintas, alguns padrões foram criados. Dentre
esses, os que mais se destacam são o OIM (OIM, 1999), o CWM (CWM, 2003)
e o XMI (XMI, 1999).
23
OIM: é um padrão de metadados que surgiu da parceria de múltiplas
empresas, algumas líderes de mercado, com o objetivo de prover suporte a
interoperabilidade entre ferramentas de desenvolvimento, através da adoção
de um modelo de informação compartilhado. Este padrão foi desenvolvido de
forma a permitir o acompanhamento de todas as fases de desenvolvimento de
um sistema de informação, desde a fase de análise até a fase de implantação.
Adotado inicialmente como padrão pelo Meta Data Coalition (MDC), esse
padrão baseia-se nos padrões de indústria Unified Modeling Language (UML),
XML e Structured Query Language (SQL). Busca também prover o suporte a
tecnologias de computação diversas, a exemplo de CASE, intranet, bancos de
dados e data warehouses.
CWM: é um padrão de metadados cujo objetivo é permitir a integração de
sistemas de data warehouse (DW), e-business e sistemas de negócios
inteligentes em ambientes heterogêneos e distribuídos, através de uma
representação e de um formato de troca de metadados. O padrão CWM é parte
dos esforços do grupo Object Management Group (OMG), com o objetivo de
prover um framework orientado a objeto e padronizado para aplicações
distribuídas, visando dar suporte a reusabilidade, portabilidade e
interoperabilidade entre componentes de DW. Adotado como um padrão OMG
em junho de 2000. É baseado nos seguintes padrões OMG:
– UML como linguagem de modelagem padrão para organizar os tipos de
metadados por assunto segundo categorias e funções num DW;
– Meta Object Facility (MOF), uma metalinguagem e um padrão de
repositório de metadados;
24
– XMI, um padrão baseado em XML para troca de metadados entre
ferramentas e repositórios orientados a objetos.
Os padrões OIM e CWM atuam no nível conceitual, aspectos de semântica,
especificando metamodelos que podem ser vistos como os esquemas
conceituais para os metadados, incorporando aspectos de aplicações
específicas.
O padrão CWM, por sua vez, foi projetado para lidar somente com
metadados no contexto de DW e provê um framework para representação e
troca de metadados sobre as fontes de dados (origem e destino) envolvidas e
os processos responsáveis pela criação e gerenciamento destas fontes.
XMI: é um padrão de metadado adotado pela OMG desde 1999, criado
como uma iniciativa de fabricantes de software com o objetivo de prover
interoperabilidade no contexto da OO entre ferramentas CASE, repositórios de
metadados e ferramentas de desenvolvimento. Este intercâmbio é feito a partir
de metadados armazenados em sistemas de arquivos tradicionais ou no
formato de fluxo (stream) de dados baseados no padrão XML. O modelo de
metadados utilizado tem como base o metamodelo MOF.
O padrão XMI, por sua vez, atua no nível físico, aspectos de sintaxe,
preocupando-se em estabelecer um conjunto de regras capaz de gerar
documentos XML a partir da especificação de modelos segundo o padrão
MOF.
2.3.2 Arquiteturas de Metadados
Aspectos de interoperabilidade no nível semântico, sintático e estrutural são
tratados pelas arquiteturas genéricas de forma a permitir que as informações,
25
descritas segundo os mais diferentes padrões, possam ser interpretadas e
compartilhadas de forma adequada, evitando assim, a necessidade da
unificação dos padrões de metadados (BARRETO, 1999).
O primeiro aspecto, interoperabilidade semântica, diz respeito à
compreensão do significado de cada elemento componente dos diversos
padrões de metadado, e pode ser alcançada através de duas abordagens
(KERHERVÉ, 1997):
– bottom-up: onde a partir de diversos conjuntos de metadados
desenvolvidos para atender as necessidades de uma determinada
comunidade, deriva-se um único conjunto integrado e reduzido de forma
que possa ser aplicado por esta comunidade. O padrão DC é um
exemplo de uma abordagem bottom-up e, como já mencionado, não
consegue solucionar o problema de se lidar com um grande número de
padrões de metadados diferentes, uma vez que as soluções não
convergem naturalmente a um denominador comum.
– top-down: onde a partir de um conjunto grande e bastante genérico de
metadados especializa-se ou adapta-se para atender as necessidades
de diversas comunidades e aplicações distintas. A Resource Description
Framework (RDF) é um exemplo de arquitetura que emprega a
abordagem top-down , que se mostra ser mais flexível e adaptável às
necessidades das mais diferentes comunidades.
O segundo aspecto, interoperabilidade estrutural, refere-se ao modelo de
dados empregado para definir a estrutura dos elementos componentes do
padrão de metadado.
26
O modelo de dados pode variar de muito simples, utilizado para representar
estruturas de metadados do tipo par (nome-elemento, valor-elemento), até
muito complexo, utilizado para representar estruturas que envolvem hierarquia
de classes e composição de classes.
O terceiro aspecto, interoperabilidade sintática, se refere à forma como os
metadados são codificados para transferência. A sintaxe provê uma linguagem
comum para representação das estruturas dos metadados. No contexto Web,
XML é a linguagem que vem sendo utilizada para permitir a troca de
metadados entre aplicações distintas.
Uma variedade de arquiteturas de metadados foi desenvolvida nos últimos
anos, todas com um único objetivo: possibilitar a interoperabilidade entre
provedores, catálogos e indexadores de modo a prover maior eficiência na
descoberta de recursos de informação na Web. Nesse contexto, quatro
arquiteturas podem ser citadas como contribuições importantes: Warwick
(LAGOZE, 1996), Meta Content Framework (MCF) (GUHA, 1997), Platform for
Internet Content Selection (PICS) e RDF. Dentre estas, a de maior destaque é
a RDF, uma iniciativa da World Wide Web Consortium (W3C), que atualmente
tornou-se a plataforma de desenvolvimento de aplicações na Web. Devido a
sua grande importância no contexto da Web Semântica.
Warwick: segundo (LAGOZE, 1996), essa arquitetura também é conhecida
como arquitetura de recipientes, foi concebida para suportar qualquer conjunto
de elementos de metadados. Os componentes básicos desta arquitetura,
representados na Figura 2.1, são:
27
Figura 2-1: Exemplo da utilização da arquitetura Warwick
– Recipiente: representa a unidade básica para agregação de conjuntos
de pacotes (metadados de determinado tipo).
– Pacote: representa uma estrutura de dados para armazenar metadados
de um determinado tipo, dividida em três categorias:
o Pacote de conteúdo: contém metadados de um determinado
tipo (MAchine-Readable Catalogue (MARC), DC, e outros).
o Pacote indireto: implementa uma referência a um objeto
externo. Este objeto externo pode possuir seus próprios
metadados e condições para acesso a algum recurso. Pacotes
indiretos permitem o compartilhamento de objetos de
metadados, à medida que o objeto alvo do pacote pode
também ser indiretamente referenciado por outros recipientes.
o Pacote recipiente: representa um pacote que também é um
recipiente, armazenando ou servindo como meio de transporte
para outros pacotes.
Uma extensão da arquitetura Warwick denominada de Distributed Active
Relationships (DARs) foi proposta em (LAGOZE, 1996). Esta extensão tem por
28
objetivo definir um modelo para expressar relacionamentos entre recursos na
Web, permitindo representar dado e metadado em objetos de biblioteca digital
sem qualquer distinção evidente.
MCF: segundo (GUHA, 1997), essa é uma arquitetura aberta que foi
concebida para ser utilizada na descrição da estrutura de web sites e de
qualquer fonte de informação que possa estar contida na estrutura dos sites.
O modelo de dados da MCF possibilita descrever objetos, com seus
atributos e relacionamentos com outros objetos, segundo tuplas de aridade n
(geralmente 3), onde cada tupla corresponde a uma asserção que declara a
existência de uma propriedade relacionada a um objeto. Este modelo é
expresso segundo a estrutura de um Directed Labeled Graph (DLG), cujos
elementos básicos, são representados na Figura 2.2.
– Conjunto de Nós: cada nó representa um objeto que pode ser um tipo
primitivo (inteiro, caractere, etc.) ou uma entidade do mundo real (um
documento, uma imagem, um mapa, uma pessoa, etc.).
29
– Conjunto de Rótulos: cada rótulo representa um nome de propriedade
que está associada ao objeto.
– Conjunto de Arcos: cada arco representa a associação entre os nós. A
estrutura de um arco é uma tripla composta de um nó fonte, um nó
destino e um rótulo, que representa a propriedade que vincula os nós.
O modelo de dados da MCF inclui um conjunto de tipos básicos que podem
ser estendidos para acomodar novos tipos de dados. Além disso, também
define um vocabulário básico que inclui um conjunto de termos comumente
utilizados para descrição de conteúdos de documentos Web. Estes termos
foram derivados de padrões já existentes como o padrão DC.
PICS: segundo (KRAUSKOPF, 1996) , a PICS é uma iniciativa do W3C, é
um sistema para associação de metadado (denominado de PICS labels) ao
conteúdo presente na Web. Inicialmente, foi concebido para ajudar pais e
professores a controlarem o acesso das crianças a Internet, através de um
formato comum para labels, de forma que qualquer software de seleção que
Figura 2.2 Modelo de dados da MCF
Rótulo“ganhou as eleições para”
Nó destino“país”
Nó destino“pessoa”
Lula
presidente
Brasil
Rótulo“político”
Rótulo“ganhou as eleições para”
Nó destino“país”
Nó destino“pessoa”
Lula
presidente
Brasil
Rótulo“político”
30
estivesse de acordo com o padrão PICS poderia processar qualquer label
descrito segundo o padrão PICS. Atualmente, PICS tem sido considerada uma
arquitetura concreta para o transporte de diferentes conjuntos de metadados
associados a recursos de Internet, e o seu uso tem sido discutido em contextos
como os de assinatura digital e privacidade.
RDF: o maior objetivo da arquitetura RDF é definir um mecanismo para
descrever recursos não vinculados a um domínio específico de aplicação.
Como resultado do trabalho em conjunto com várias comunidades, o RDF
recebeu a influência de várias fontes diferentes. As principais influências
vieram das comunidades de padronização da Web na forma de metadados
Hipertext Markup Language (HTML) e PICS (PIC, 1996); de biblioteconomia; de
estruturação de documentos na forma do Standard Generalized Markup
Language (SGML) e XML; de representação do conhecimento e ainda de
outras áreas de tecnologia que também contribuíram no projeto RDF:
programação orientada a objetos, linguagem de modelagem e bancos de
dados.
Na área de descoberta de recursos, por exemplo, a arquitetura RDF
possibilita a implementação de mecanismos de pesquisa mais eficientes. Na
área de catalogação a arquitetura RDF pode ser usada para descrever os
recursos de informação em um sítio da Web, em uma biblioteca digital, etc. Na
área de agentes inteligentes o RDF pode facilitar o intercâmbio de informações
e o compartilhamento de conhecimento. A tecnologia RDF será abordada mais
detalhadamente no capítulo 4, que trata a web semântica.
31
2.4 Considerações finais
Neste capítulo verificamos a necessidade da utilização dos metadados em
todos os níveis organizacionais e principalmente computacionais, que são as
bases das organizações. Como exemplos dessa necessidade, podemos citar a
Internet que vem intensificando o fenômeno da “explosão” de documentos
eletrônicos, ocasionando o aumento, considerado, do volume de informações
disponíveis.
Diante dessa realidade, torna-se imprescindível o desenvolvimento de
padrões de metadados que visem à descrição exata dos recursos de
informação.
Nesse sentido, várias iniciativas estão sendo conduzidas com o propósito de
discutir a questão e propor padrões de descrição de recursos de informação,
como é o caso do Dublin Core Metadata Initiative e o padrão brasileiro de
metadados para teses e dissertações (MTD-BR) desenvolvidos por um
consorcio de instituições nacionais coordenadas pelo Instituto Brasileiro de
Informação Ciência e Tecnologia (IBICT).
No próximo capítulo será descrito o papel das ontologias no contexto da
padronização e relacionamento dos metadados utilizados nas organizações.
32
3 ONTOLOGIAS
A representação formal do conhecimento teve sua origem na Índia do
primeiro milênio A.C. com o estudo da gramática de Shastric Sanscrit. No
entanto, esta disciplina tem uma relação muito próxima dos trabalhos
realizados na Grécia antiga, principalmente por Aristóteles (384-322 A.C.) nos
campos da lógica, ciências naturais e filosofia metafísica (RUSSEL, 1995).
As primeiras discussões no campo da Inteligência Artificial focavam a
questão da representação do ponto de vista do problema e não do
conhecimento. Com a proliferação dos sistemas especialistas, a representação
do conhecimento era feita com o objetivo claro de extrair o conhecimento do
perito e formalizá-lo em uma base de conhecimento. Por outro lado, a maior
parte dos esforços para incorporar conhecimento aos sistemas concentrava-se
na construção de mecanismos uniformes e gerais de representação. Segundo
(FALBO, 1998), a forma como o processo era conduzido influenciava
diretamente alguns aspectos:
– Uma vez que a máquina de inferência era de propósito geral, a
estratégia para resolver um problema era embutida como parte da base
de conhecimento. Desta forma, era praticamente impossível separar os
conhecimentos do domínio, da aplicação e da tarefa a ser realizada,
tornando a reutilização do conhecimento praticamente inviável. O
conhecimento do domínio não podia ser usado em outras aplicações
dado que era adquirido para uma tarefa específica;
33
– O problema da reutilização era ainda agravado pelo modo no qual o
conhecimento é associado e conseqüentemente disponibilizado por
parte dos peritos. O conhecimento elucidado de especialistas em
entrevistas é disponibilizado de forma bastante compilada através de
heurísticas, o que dificulta a separação dos seus diversos tipos e
praticamente inviabiliza o seu reuso;
– O uso do conhecimento do especialista como única fonte de
conhecimento é, por si só, uma falha. A literatura técnica e sistemas
existentes, desempenham papéis igualmente importantes, devendo ser
utilizadas de forma complementar. Ao relegar estas fontes, a estratégia
de transferência do conhecimento do especialista para o sistema não
apenas tornava a tarefa de aquisição mais difícil, como também
reforçava o problema da superficialidade.
Quando um sistema especialista era desenvolvido em um mesmo domínio,
mas com o objetivo de realizar uma diferente tarefa, todo o processo de
levantamento e codificação do conhecimento deveria ser refeito, expondo o
processo a erros e inconsistências que já poderiam ter sido resolvidas, além de
provocar perda de tempo, esforço e conseqüentemente recursos.
(CLANCEY, 1993) propõe a mudança desta perspectiva, argumentando que
o foco da Engenharia de Conhecimento deve ser à modelagem de sistemas e
não a tentativa de reproduzir a maneira como os especialistas raciocinam,
defendendo a visão de que uma base de conhecimento deve ser vista como
um produto de uma atividade de modelagem e não um repositório de
conhecimento especializado. Desta forma, a modelagem passa a ser o aspecto
34
central da Engenharia de Conhecimento e a aquisição de conhecimento passa
a ser essencialmente um processo construtivo, no qual o engenheiro de
conhecimento usa todos os tipos de informação disponíveis e estabelece as
decisões finais de modelagem. Dentro da comunidade de representação do
conhecimento surgiu, então, um grupo de defensores da idéia de que o
conhecimento embutido em uma determinada porção da realidade poderia (e
deveria) ser representado em um nível de abstração tal que fosse
independente e reutilizável ao longo de várias tarefas (GUARINO, 1997). Ao
adotar este paradigma, esta comunidade entrou em um território anteriormente
explorado unicamente por filósofos da ciência e da linguagem, fazendo com
que, devido à imposição de sua disciplina, esta área fosse investigada de forma
mais rápida e profunda do que quando era um domínio exclusivo da filosofia.
Ao produto desta área inicialmente criada por Aristóteles com seu abrangente
sistema de classificação, taxonomização e de representação do conhecimento
de forma geral, chamamos hoje de Ontologias.
3.1. O que são Ontologias?
De acordo com o dicionário Webster (WOOLF, 1981), a palavra "ontologia"
pode ser definida como uma teoria particular que diz respeito à natureza dos
seres e das coisas em si. No sentido filosófico, o termo "ontologia" é referido
como um sistema particular de categorias que versa sobre uma certa visão do
mundo e pode ser visto como um sinônimo de metafísica. Seu propósito é
classificar as entidades de uma porção da realidade, definindo seu vocabulário
e as formulações canônicas de suas teorias (SMITH, 2000). Desta forma, este
sistema não depende de uma linguagem particular. Por exemplo, uma
35
ontologia de Aristóteles é sempre a mesma, independente da linguagem usada
para expressá-la. Por outro lado, para a comunidade das Ciências da
Computação, o termo se refere a um artefato de engenharia, constituído de um
vocabulário de termos organizados em uma taxonomia, suas definições e um
conjunto de axiomas formais usados para criar novas relações e para restringir
as suas interpretações segundo um sentido pretendido (NOY, 1997). Apesar da
relação entre essas duas definições, com o intuito de resolver este impasse
terminológico, em (GUARINO, 1998b), é proposto que a definição da
comunidade de computação seja adotada para o termo "ontologia" e que para
a definição filosófica seja dado o nome de conceituação.
Nesse trabalho, o termo ontologia é usado em concordância com a definição
de (GUARINO, 1998b), ou seja, ontologias são tratadas como um artefato
computacional composto de um vocabulário de conceitos, suas definições e
suas possíveis propriedades, um modelo gráfico mostrando todas as possíveis
relações entre os conceitos e um conjunto de axiomas formais que restringem
a interpretação dos conceitos e relações, representando de maneira clara e
não ambígua o conhecimento do domínio.
3.2. Tipos de Ontologias
Segundo Guarino (GUARINO, 1997, 1998b), com base em seu conteúdo as
ontologias podem ser classificadas nas seguintes categorias:
– ontologias genéricas: expressam teorias básicas do mundo, de caráter
bastante abstrato, aplicáveis a qualquer domínio, conhecimento de
senso comum. Tipicamente, ontologias genéricas definem conceitos tais
36
como coisa, estado, evento, processo, ação, etc., com o intuito de serem
especializados na definição de conceitos em uma ontologia de domínio;
– ontologias de domínio: expressam conceituações de domínios
particulares, descrevendo o vocabulário relacionado a um domínio
genérico, tal como medicina e direito. São construídas para serem
utilizadas em um micro-mundo;
– ontologias de tarefas: expressam conceituações sobre a resolução de
problemas, independentemente do domínio em que ocorram, isto é,
descrevem o vocabulário relacionado a uma atividade ou tarefa genérica,
tal como, diagnose ou vendas. O estudo de ontologias de tarefas é a
vertente mais recente do estudo de ontologias. Sua principal motivação é
facilitar a integração dos conhecimentos de tarefa e domínio em uma
abordagem mais uniforme e consistente, tendo por base o uso de
ontologias. Trabalhos nesta categoria incluem (CHANDRASEKARAN,
1997), (MUSEN, 1995);
– ontologias de aplicação: expressam conceitos dependentes das
ontologias do domínio e das ontologias de tarefa. Estes conceitos
freqüentemente correspondem a papéis desempenhados por entidades
do domínio quando da realização de uma certa atividade;
– ontologias de representação: expressam os compromissos ontológicos
embutidos em formalismos de representação de conhecimento. Um
exemplo desta categoria é a ontologia de frames, utilizada em
Ontolingua (GRUBER, 1992).
37
(GUARINO, 1998b) propõe que ontologias sejam construídas segundo seu
nível de generalidade, como é mostrado na Figura 3.1. Os conceitos de uma
ontologia de domínio ou de tarefa devem ser especializações dos termos
introduzidos por uma ontologia genérica. Os conceitos de uma ontologia de
aplicação, por sua vez, devem ser especializações dos termos das ontologias
de domínio e de tarefa.
Figura 3.1 - Tipos de ontologias, segundo seu nível de dependência (Guarino, 1998)
3.3. Profundidade ontológica
Quanto à profundidade ontológica, (GUARINO, 1998a) define quatro níveis:
– Vocabulário: Em sua forma mais simples, uma ontologia é apenas um
vocabulário. Nesse sentido, uma DTD ou um XML-Schema pode definir
uma ontologia. Se diferentes parceiros combinarem com uma XML-
Schema, eles também concordam com a ontologia definida através do
Schema, pois os nomes de tag declarados nele definem um vocabulário
comum. Quando, por exemplo, dois agentes concordam em compartilhar
tal ontologia, eles podem trocar mensagens usando o vocabulário da
ontologia;
Ontologiagenérica
Ontologia detarefa
Ontologia dedomínio
Ontologia deaplicação
Ontologia derepresentação
classes de ontologia
classes deusuário
-
+
nível d
ed
etalham
ento
Ontologiagenérica
Ontologia detarefa
Ontologia dedomínio
Ontologia deaplicação
Ontologia derepresentação
classes de ontologia
classes deusuário
-
+
nível d
ed
etalham
ento
38
– Taxonomia: o significado dos termos na taxonomia é estabelecido pela
definição de relacionamentos entre eles. Um dos relacionamentos mais
naturais é a classificação – o estabelecimento de relacionamentos entre
objetos e classes, subclasses e classes pai. Esses sistemas são
denominados taxonomia, sendo que suas relações são conhecidas como
relacionamentos “é-um”. Esse tipo de ontologia normalmente é
estabelecido por sistemas orientados a objetos. Muitas ontologias
existentes são definidas usando-se apenas esses relacionamentos
hierárquicos;
– Sistema Relacional: as ontologias também podem incluir
relacionamentos não hierárquicos. Existem muitos relacionamentos
possíveis entre os objetos além dos relacionamentos hierárquicos “é-
um”. Tais relacionamentos são típicos nos diagramas de relacionamento
de entidades e nos bancos de dados relacionais e, por conseguinte,
cada esquema de banco de dados relacional define sua própria
ontologia;
– Teoria Axiomática: além de escrever relacionamentos, as ontologias
também podem impor restrições. As restrições são definidas como
axiomas. Um axioma é uma afirmação lógica que não pode ser provada
a partir de outras afirmações. Nos bancos de dados relacionais, as
restrições são definidas por regras de integridade. Além disso, algumas
linguagens orientadas a objeto incluem a capacidade de definir
restrições (por exemplo, asserções em C++ e contratos em Eiffel).
39
3.4. Benefícios no uso de ontologias
De forma geral, ontologias constituem uma ferramenta poderosa para
suportar a especificação e a implementação de sistemas computacionais de
qualquer complexidade. Ao usar esta abordagem na fase de análise e
especificação do domínio, podemos destacar três áreas:
– Comunicação: ontologias são ferramentas úteis para ajudar as pessoas
a se comunicarem, sob várias formas, acerca de um determinado
conhecimento. Em primeiro lugar, elas podem ajudar as pessoas a
raciocinar e a entender o domínio do conhecimento e, portanto, atuam
como uma referência para a obtenção do consenso numa comunidade
profissional sobre o vocabulário técnico a ser usado nas suas interações.
Além disso, ontologias constituem um excelente guia no processo de
elicitação de conhecimento das diversas fontes;
– Formalização: devido à natureza formal da notação usada, a
especificação do domínio elimina contradições e inconsistências
envolvendo as restrições, resultando, portanto, em uma especificação
não ambígua. Um outro ponto a ser destacado é que, já que uma
notação formal é usada, a especificação formalizada pode ser
automaticamente verificada e validada, se um provador automático de
teoremas existe para aquela notação. Com um mecanismo de inferência,
é também possível derivar novos conhecimentos de forma automática, a
partir da base de conhecimento já presente na ontologia. Por fim, esta
característica torna possível a obtenção de um processo de geração de
40
infra-estruturas computacionais de maneira sistemática e idealmente
automática;
– Representação do conhecimento e reuso: A ontologia forma um
vocabulário de consenso e representa o conhecimento do domínio de
forma explícita no seu mais alto nível de abstração, possuindo um
potencial enorme de reuso. O conhecimento formalizado na camada de
domínio pode ser especializado em diferentes aplicações, servindo
diferentes propósitos, por diferentes equipes de desenvolvimento, em
diferentes pontos do tempo.
3.5. Problemas no uso de ontologias
Apesar de todas as vantagens citadas, o uso de ontologias também
apresenta alguns problemas. (O’LEARY, 1997), identifica os seguintes:
– A escolha de uma ontologia é um processo político, já que nenhuma
ontologia pode ser totalmente adequada a todos os indivíduos ou
grupos;
– Ontologias não são necessariamente estacionárias, i.e., necessitam
evoluir. Poucos trabalhos têm enfocado a evolução de ontologias;
– Estender ontologias não é um processo direto. Ontologias são,
geralmente, estruturadas de maneira precisa e, como resultado, são
particularmente vulneráveis a questões de extensão, dado o forte
relacionamento entre complexidade e precisão das definições;
41
– A noção de bibliotecas de ontologias sugere uma relativa independência
entre diferentes ontologias. A interface entre elas constitui, portanto, um
impedimento, especialmente porque cada uma delas é desenvolvida no
contexto de um processo político. Ontologias desenvolvidas
independentemente podem não se integrar efetivamente com outras por
vários motivos, desde similaridade de vocabulário até visões conflitantes
do mundo (FALBO, 1998). O pior problema, no entanto, é do ponto de
vista metodológico. Apesar de uma grande quantidade de ontologias já
ter sido desenvolvida por diferentes grupos, sob diferentes abordagens e
usando diferentes métodos e técnicas, poucos trabalhos foram
publicados sobre como proceder, mostrando as práticas, critérios de
projeto, atividades, métodos e ferramentas usadas para sua construção.
A conseqüência é clara: a ausência de atividades padronizadas, ciclos
de vida e métodos sistemáticos, assim como de um conjunto de critérios
de qualidade, técnicas e ferramentas, expõem o desenvolvimento de
ontologias aos mesmos problemas da engenharia de software, ou seja, a
sua realização é conduzida de forma artística e não como uma atividade
de engenharia (FALBO, 1998).
3.6. Construção de ontologias
Algumas propostas de metodologias para construção de ontologias têm sido
apresentadas na literatura nos últimos anos, como por exemplo a "metodologia
inicial" apresentada por (USCHOLD, 1995), METHONTOLOGY (FÉRNANDEZ,
1997) e a apresentada no contexto do projeto Toronto Virtual Enterprise
(TOVE) (USCHOLD, 1996). Apesar disso, os modelos apresentados ainda não
42
demonstram um processo suficientemente estruturado a ponto de suportar a
construção de ontologias como uma verdadeira disciplina de engenharia.
Nessa seção, é apresentada uma abordagem sistemática para construção de
ontologias, assim como descrita por (FALBO, 1998). Esta abordagem, além de
unir as principais características das metodologias citadas, discute as várias
atividades do processo de construção de ontologias, apresentando algumas
orientações de como proceder na sua realização. É importante ressaltar que,
devido à complexidade envolvida nas atividades que compõem este ciclo, a
área de engenharia de ontologias urge pelo surgimento de ferramentas CASE
que possam realizar a automatização (ou pelo menos semi-automatização) do
processo.
– Identificação de propósito e especificação de requisitos: A primeira
atividade a ser realizada no processo de construção de uma ontologia é
identificar claramente o seu propósito e os usos esperados para ela
(FALBO, 1998), i.e., a competência da ontologia. A competência de uma
representação diz respeito à cobertura de questões que essa
representação pode responder ou de tarefas que ela pode suportar. Ao
se estabelecer à competência, temos um meio eficaz de delimitar o que
é relevante para a ontologia e o que não é. É útil, também, identificar
potenciais usuários e os cenários que motivaram o desenvolvimento da
ontologia em questão. Uma vez definido o propósito, deve-se especificar
os requisitos da ontologia. Esses devem contemplar os usos projetados
para a ontologia e podem ser expressos em termos de questões de
competência: as questões que a ontologia deve ser capaz de responder
(USCHOLD, 1996). Ao se especificar um relacionamento entre as
43
questões de competência e os cenários de motivação, está se dando
uma justificativa para a ontologia e, mais importante, se está provendo
um mecanismo para sua avaliação. Uma analogia pode ser feita entre o
papel que as questões de competência desempenham para a
engenharia de ontologias, comparando-o ao dos modelos de casos de
uso no contexto da engenharia de software orientada a objetos. Ambas
as técnicas norteiam todo o processo de desenvolvimento, auxiliando
deste a atividade de especificação de requisitos até a atividade de
avaliação;
– Captura da ontologia: Esta é, sem dúvida, a etapa mais importante no
desenvolvimento de uma ontologia. O objetivo é capturar a conceituação
do universo de discurso, com base na competência da ontologia. Os
conceitos e relações relevantes devem ser identificados e organizados.
Um modelo utilizando uma linguagem gráfica pode ser de grande
utilidade para facilitar a comunicação com os especialistas do domínio.
Este modelo deve ser acompanhado de um vocabulário de termos
(FALBO, 1998). Conceitos primitivos, isto é, aqueles que não são
passíveis de uma definição em termos de outros conceitos da ontologia,
devem ser definidos utilizando linguagem natural e exemplos, tomando o
devido cuidado para se evitar ambigüidades e inconsistências. A escolha
dos termos a serem usados para referenciar as categorias de
conhecimento deve ser feita cuidadosamente, evitando-se termos com
interpretação duvidosa. Conceitos passíveis de descrição em termos de
outros conceitos, devem ser definidos com referências claras a estes,
com o objetivo de facilitar a formalização (FALBO, 1998). Deve-se,
44
ainda, construir taxonomias, organizando categorias e sub-categorias
interconectadas do conhecimento do domínio de interesse. Os conceitos
e relações formam a base da ontologia. Mas uma característica
essencial de ontologias é a definição de axiomas. Simplesmente propor
uma taxonomia ou um conjunto de termos básicos, não constitui uma
ontologia. Axiomas devem ser providos para definir a semântica dos
termos. Os axiomas especificam definições de termos na ontologia e
restrições sobre sua interpretação. Neste momento, não há necessidade
de se escrever axiomas formais mas, ao contrário, estes devem ser
descritos em linguagem natural, refletindo simplesmente as restrições
existentes sobre o universo de discurso. Os axiomas em uma ontologia
podem apresentar duas formas e propósitos diferentes: axiomas de
derivação e axiomas de consolidação. Axiomas de derivação são
aqueles que permitem explicitar informações a partir do conhecimento
previamente existente. Assim, são meios para a dedução e representam
conseqüências lógicas neste processo. Axiomas de consolidação, por
sua vez, não são utilizados para derivar informação, mas apenas para
descrever a coerência das informações existentes. Neste sentido, não
representam conseqüências lógicas. Tipicamente, os axiomas de
consolidação definem condicionantes para o estabelecimento de uma
relação ou para a definição de um objeto como instância de um conceito
(FALBO, 1998). Os axiomas de derivação podem ter origem no
significado dos conceitos e relações da ontologia ou na forma como são
estruturados. Quando axiomas são descritos para mostrar restrições
impostas pela forma de estruturação dos conceitos, eles são ditos
45
axiomas epistemológicos. Quando descrevem restrições de significação
impostas no domínio, são ditos axiomas ontológicos (FALBO, 1998).
Esta classificação quanto à natureza dos axiomas é uma boa diretriz
para guiar a definição dos axiomas de uma ontologia, ou seja, devemos
estar atentos para capturar axiomas que considerem a estruturação dos
conceitos e relações (os axiomas epistemológicos), seus significados e
restrições (os axiomas ontológicos) e as leis de integridade que os
regem (os axiomas de consolidação) (FALBO, 1998). O processo de
definição de axiomas é, talvez, o aspecto mais difícil na construção de
ontologias. Entretanto, esse processo pode e deve ser fortemente
guiado pelas questões de competência. Os axiomas devem ser
necessários e suficientes para expressar as questões de competência e
para caracterizar suas soluções. Além disso, qualquer solução para uma
questão de competência deve ser descrita pelos axiomas da ontologia e
deve ser consistente com eles. Se os axiomas propostos não forem
suficientes para esse propósito, então conceitos, relações ou axiomas
adicionais devem ser introduzidos na ontologia. Por outro lado, axiomas
redundantes ou que não contribuem para responder a uma questão de
competência devem ser eliminados (FALBO, 1998). Neste sentido, a
captura de uma ontologia é um processo iterativo e fortemente ligado à
avaliação (USCHOLD, 1996);
– Formalização da ontologia: Para a realização desta etapa, é
necessário que um formalismo de representação das diversas categorias
de conhecimento da ontologia seja escolhido. À primeira vista, qualquer
linguagem de representação formal do conhecimento, ou mesmo
46
informal, poderia ser usada para representar ontologias (FALBO, 1998).
Na prática, entretanto, apenas poucas linguagens têm sido usadas para
este propósito, entre elas: lógica de primeira ordem, Knowledge
Interchange Format (KIF) (GRUBER, 1992), Ontolingua (GRUBER,
1995), Conceptual Modelling Language (CML) (BREUKER, 1994) e
Description Logic (RUSSEL, 1995). A validação de uma teoria sobre um
universo de discurso é, sem dúvida, melhor realizada quando esta é
descrita em uma linguagem formal, ou seja, uma linguagem
fundamentada em um modelo matemático. Nesta linguagem, em
contraste com a linguagem natural, têm-se símbolos não ambíguos e
formulações exatas e, portanto, a clareza e a correção de uma dedução
podem ser testadas com maior facilidade e precisão. Uma dedução em
linguagem natural, geralmente, envolve pressuposições implícitas que
entram desapercebidas no processo de dedução. O tratamento teórico
de qualquer domínio consiste em propor sentenças sobre os objetos
neste domínio (sentenças atribuindo certas propriedades e relações aos
objetos em questão) e em estabelecer regras de acordo com as quais
outras sentenças possam ser derivadas a partir das sentenças dadas. É
importante ressaltar que todas essas linguagens possuem vantagens
específicas e assumem compromissos ontológicos em níveis variados, e
portanto a escolha de que linguagem usar depende diretamente do
propósito da ontologia;
– Integração com ontologias existentes: Durante os processos de
captura e/ou formalização, pode surgir à necessidade de integrar a
ontologia em questão com outras já existentes, visando aproveitar
47
conceituações previamente estabelecidas. De fato, é uma boa prática
desenvolver ontologias funcionais modulares, que sejam gerais e mais
amplamente reutilizáveis, e, quando necessário, integrá-las, obtendo o
resultado desejado (FALBO, 1998);
– Avaliação: A ontologia deve ser avaliada para verificar se satisfaz os
requisitos estabelecidos na especificação. Esta etapa deve ser realizada
em paralelo com as etapas de captura e formalização. (GRUBER, 1995)
apresenta um conjunto de critérios para guiar tanto o desenvolvimento,
quanto para avaliação da qualidade das ontologias construídas. Os
principais critérios definidos são: clareza, coerência, extensibilidade e
compromissos ontológicos mínimos. Em (USCHOLD, 1996), é defendido
que, adicionalmente, as questões de competência devem ser usadas
principalmente para avaliar a adequação da axiomatização realizada;
– Documentação: Todo o desenvolvimento da ontologia deve ser
documentado, incluindo propósitos, requisitos e cenários de motivação,
as descrições textuais da conceituação, a ontologia formal e os critérios
de projeto adotados. Como foi dito anteriormente, assim como a
avaliação, a documentação é considerada uma atividade guarda-chuva
do processo, ou seja uma etapa que deve ocorrer durante todas as
iterações do ciclo em paralelo com as demais. Os termos capturados na
conceituação do universo de discurso devem ser descritos em um
Dicionário de Termos, considerando dois princípios importantes:
48
o Princípio do vocabulário mínimo: indica o vocabulário utilizado
na definição dos termos da ontologia. Este vocabulário deve ser o
menor possível e não deve apresentar ambigüidades;
o Princípio da auto-referência: indica que a definição de um termo
no Dicionário deve, sempre que possível, ser feita utilizando outros
termos já mencionados. Com base neste princípio, o uso de
hipertextos surge como uma abordagem para a documentação de
ontologias. Esta tecnologia mostra-se adequada, tendo em vista
que torna natural a definição de novos termos a partir de outros
mais primitivos, permitindo navegação entre definições, exemplos e
a formalização, incluindo os axiomas (FALBO, 1998).
3.7. Linguagens para a criação de ontologias
Para a construção de uma ontologia são utilizados os seguintes objetos:
– Entidades: descrevem conceitos (elementos de um domínio estudado) e
providenciam representações lógicas;
– Atributos: descrevem as propriedades das entidades;
– Relações: descrevem as ligações entre os objetos no modelo (entidades
e atributos);
– Restrições: condições que o projetista impõe sobre as entidades,
atributos ou relações.
Diversas linguagens e mecanismos para a definição de ontologias foram
criados nos últimos anos, a exemplo de: SHOE (LUKE, 2000), XOL (KARP,
49
1999); OIL (FENSEL, 2000) (HORROCKS, 2000), DARPA Agent Markup
Language (DAML1), SontoDL (GRUTTER, 2001), dentre outros.
A principal característica dessas linguagens está na capacidade de
representar ontologias em RDF/RDFS, arquitetura já consagrada pela W3C
para interoperabilidade de informações na Web, essa tecnologia será
apresentada no capítulo 4. A seguir serão apresentadas algumas dessas
linguagens que tem merecido maior destaque na literatura.
SHOE (Simple HTML Ontology Extensions): é uma extensão da HTML
(recentemente também utilizado em XML) que provê meios de incorporar
conhecimento semântico de forma a ser entendido por máquina (robôs,
agentes, etc.) ou outros documentos WWW. O objetivo é facilitar os
mecanismos de busca.
A linguagem SHOE inclui um mecanismo de definição de ontologias,
instâncias de dados em páginas Web e de classificação hierárquica de
documentos HTML. Isto é feito a partir de categorias (classes) e regras que
especifica relacionamentos e hierarquias entre instâncias, a partir de um
conjunto de tags acrescidos ao HTML padrão.
XOL (XML-based Ontology Exchange Language): é uma linguagem de
especificação e intercâmbio de ontologias, especificado em DTD ou XML
Schema. Utiliza um modelo semântico baseado em frames denominado Open
Knowledge Base Connectivity (OKBC). Um arquivo XOL consiste de um
módulo cabeçalho de definição contendo: nome e versão que estabelece
1http://www.daml.org/about.html
50
metas-informação sobre a ontologia; classes e subclasses que estabelece
hierarquias entre categorias de elementos; slots que estabelece propriedades
aos elementos das classes e definições individuais que permite declarar
nomes, descrições, informações sobre instância, valores, etc.
OIL (Ontology Inference Layer): é uma linguagem para a especificação de
ontologias que reúne as seguintes características: provê primitivas de
modelagem normalmente utilizadas em ontologias baseadas em frames; possui
semântica bem definida, simples e clara baseada em descrição lógica; e
apresenta suporte para dedução automática (BECHHOFER et al., 2000).
Uma ontologia OIL contém descrições para classes, relacionamentos (slots)
e instâncias. Classes podem se relacionar com outras classes através de uma
hierarquia (classes/subclasses) e através de relações binárias estabelecidas
entre duas relações. Além disso, restrições de cardinalidade podem ser
atribuídas aos relacionamentos.
A definição de uma ontologia em OIL é constituída de dois componentes: o
primeiro, que descreve as características da ontologia (ontology container)
utilizando-se de descritores do padrão DC; e o segundo (ontology definitions)
que define o vocabulário particular daquela ontologia.
A linguagem OIL tem sido considerada pela W3C como uma linguagem de
grande relevância no contexto atual de desenvolvimento de aplicações na Web.
DAML (DARP Agent Markup Language): é uma iniciativa da agência
DARPA que está sendo desenvolvida como uma extensão da XML e RDF. A
sua mais recente iniciativa é oriunda da combinação de DAML e OIL
51
(DAML+OIL, 2000), uma linguagem padrão para representação de ontologias e
metadados pela W3C.
A combinação de DAML e OIL, denominada DAML+OIL, sofre muita
influência do OIL original, embora não utilize o seu conceito original de frames.
É constituído de uma coleção de classes, propriedades e objetos que são
adicionados ao RDF e RDFS. Assim, declarações (statements) em DAML+OIL
também são declarações RDF.
OWL (Web Ontology Language): é a linguagem de marcação semântica
para representar e compartilhar ontologias na Web. É derivada da DAML+OIL e
é construída sob a sintaxe RDF, disponibilizando outras características que se
concentram basicamente em proporcionar maiores flexibilidades para propiciar
que as ontologias possam ser definidas sob uma forma semântica cada vez
mais rica em detalhes. Segundo (CASTOLDI, 2003), a OWL é dividida em três
sub-linguagens:
– OWL Lite: suporta os usuários que precisam basicamente de uma
hierarquia de classificação e funcionalidades de restrição básicas.
– OWL DL: atende aos usuários que desejam a máxima expressividade ao
mesmo tempo em que seus sistemas inteligentes mantenham
decidabilidade (todos os cálculos terminarão em um tempo finito) e
completude (garantida de que todas as conclusões serão executadas)
computacional.
– OWL Full: destina-se àqueles que desejam o máximo em poder de
expressão e a liberdade sintática do RDF, sem garantias
52
computacionais. OWL Full permite que uma ontologia aumente o
significado do vocabulário (RDF ou OWL) predefinido.
3.8. Considerações finais
Ao concluir este capítulo verificou-se que os estudos desenvolvidos com
relação às ontologias vêem demonstrando um potencial promissor no
desenvolvimento da Web, pois além de seus modelos de estruturação de
conceitos e relações, possui um conjunto de axiomas formais que, em forma de
uma teoria lógica, permitem a representação formal em nível de significação
(nível ontológico). Como conseqüência do formalismo empregado, muitos são
os benefícios alcançados, como por exemplo, a verificação/validação
automática do modelo de conhecimento construído, a interpretação não
ambígua das definições de conceitos e relações e a possibilidade de geração
sistemática (e idealmente automática) de infra-estruturas de domínio.
Essa base de definições e relacionamento permite o desenvolvimento de
uma Web muito mais significativa, como será apresentado no próximo capítulo.
53
4 DESENVOLVENDO A SEMÂNTICA NA WEB
Originalmente, o computador era visto somente como hardware. Na década
de 80, transformou-se em um sistema capaz de simular jogos, processar textos
e elaborar apresentações. Hoje em dia, tornou-se um portal para uma rede de
troca de informações e transações comerciais. Como conseqüência, as
tecnologias que dão acesso a essas informações textuais, não estruturadas e
heterogêneas se tornaram tão essenciais quanto às linguagens de
programação nas décadas de 60 e 70. A Internet, mas especificamente a
tecnologia Web, deu início a estas mudanças e acarretou uma série de
transformações de caráter tecnológico, social e econômico. A Web passou a
propiciar uma nova plataforma para o desenvolvimento de aplicações com
acesso distribuído. Antes de seu surgimento, os principais serviços utilizados
na Internet eram as transferências de arquivos, o correio eletrônico e a
emulação de terminal, e restritos aos meios acadêmicos e militares. O uso
generalizado da Internet só veio a acontecer, em 1992, com o surgimento da
Web, que organizou as informações na Internet por meio de hipertextos e, em
um segundo momento, tornou a interação do usuário com a rede mundial mais
amigável.
Segundo (DACONTA, 2003), no início, a Web era um projeto desenvolvido,
a partir de março de 1989, por Tim Berners-Lee2 no European Organization for
Nuclear Research (CERN3), para acessar informações estanques espalhadas
pelos diversos laboratórios na Europa, tendo evoluído para um serviço usado
globalmente. O que era um sistema baseado em buscas por hipertexto teve
2 http://www.w3.org/People/Berners -Lee/ 3 http://user.web.cern.ch/user/cern.html
54
seu crescimento viabilizado pelo traço cooperativo da Internet, ou seja, pela
colaboração mútua entre os componentes da rede. A aparente simplicidade da
Web está criando obstáculos para seu próprio desenvolvimento, já que a
tecnologia utilizada atualmente limita a manipulação da informação.
O primeiro objetivo do projeto da Web era criar um ambiente em que
pudéssemos trabalhar melhor em grupo tanto no trabalho quanto em casa. A
idéia era que criando uma rede de hipertextos, os grupos de usuários seriam
forçados a utilizar um vocabulário comum entre eles para que não ocorressem
mal entendidos e, em algum momento, teriam um modelo na Web dos planos e
idéias em discussão no grupo. O precursor da Web foi um programa para uso
próprio, chamado “Enquire”, desenvolvido por Tim Berners-Lee, em 1980,
quando trabalhava no CERN. Este programa tinha o propósito de manter
registros da complexa rede de relacionamentos entre pessoas, programas,
máquinas e idéias espalhadas pelos diversos laboratórios na Europa. Mais
tarde, em 1989, ele viria a apresentar uma proposta para a Web que, na
verdade, era uma extensão deste programa pessoal. (DACONTA, 2003)
Para o seu pleno funcionamento, a Web não tem que ser apenas fácil de se
navegar, mas também auto-explicativa. Qualquer informação disponível na
Web pode ser facilmente assimilada e qualquer informação que esteja faltando
pode ser facilmente adicionada. A Web deve ser um meio de comunicação
entre as pessoas, servindo com um meio de compartilhamento do
conhecimento. Isso requer que computadores, redes, sistemas operacionais e
programas sejam transparentes aos usuários, disponibilizando somente uma
interface intuitiva e o mais direta possível com a informação.
55
(DACONTA, 2003) comenta que o segundo objetivo da Web é baseado na
premissa que se há informação disponível na Web então é possível
estruturarmos esta informação, criando um mapa de relacionamentos e
dependências. Isso possibilitaria o acesso dos programas a estas informações
e permitiria que eles nos ajudassem em sua análise e gerenciamento. A
estruturação do conteúdo semântico da informação das páginas web criaria um
ambiente onde agentes de softwares executam tarefas solicitadas pelos
usuários, deixando a cargo dos computadores qualquer tarefa que possa ser
reduzida a um processo racional.
Para atingir os objetivos de criação de uma Web de acesso universal e que
contenha informações estruturadas de maneira a serem utilizadas pelas
máquinas na automação de tarefas e informações confiáveis em que possam
ser identificados os autores e responsáveis por suas publicações, o W3C tem
como foco os seguintes objetivos4:
– Acesso universal;
– Web Semântica;
– Web confiável;
– Interoperabilidade;
– Evolução;
– Descentralização;
– Ambiente interativo.
4 Detalhes dos objetivos e princípios operativos do W3C em http://www.w3.org/Consortium/Points/
56
4.1 Web Semântica
Existem duas perspectivas distintas para o futuro da Web. A primeira
perspectiva se preocupa em intensificar a colaboração na Internet, enquanto a
segunda perspectiva está voltada para uma Web mais compreensível e,
portanto mais eficiente, para máquinas Figura 4.1.
Mesmo a proposta original da Internet envolvia mais do que a recuperação
de páginas HTML a partir de servidores web. A Figura 4.1 ilustra as relações
Figura 4.1 Proposta original da Web
Copyright © Tim Berners-Lee
57
entre alguns itens de informação, tais como “includes”, “describes” e “wrote”.
Infelizmente esses relacionamentos entre os recursos não são atualmente
capturados na Web. A tecnologia para capturar esses relacionamentos chama-
se RDF. O ponto chave para compreender a Figura 4.1 e que a visão original
englobava metadados5 adicionais acima e além do que atualmente está na
Internet.
(DACONTA, 2003) comenta que a questão resume-se a como uma criar
uma rede de dados que as máquinas possam processar. Para atingir este fim,
o primeiro passo é uma mudança de paradigma na maneira como as pessoas
pensam sobre dados. Historicamente, os dados eram isolados em aplicações
proprietárias, sendo paradoxalmente considerados recursos secundários para o
processamento de dados. Esta visão incorreta popularizou a expressão
Garbage in, Garbage out (GIGO). O GIGO basicamente revela a falha no
argumento original estabelecendo a dependência entre processamento e
dados. Em outras palavras, o software útil era completamente dependente de
bons dados. Os profissionais de informática começaram a perceber que os
dados eram importantes, e que deveriam ser verificados e protegidos. As
linguagens de programação começaram a implementar os conceitos de
orientação a objetos6 que internamente transformam dados em estruturas de
maior significado.
Entretanto, essa abordagem que enfatiza a importância do dado foi mantida
interna às aplicações de tal forma que os fornecedores poderiam manter os
dados proprietários por razões competitivas. Com o advento da Internet, da
5 Metadados adicionais são necessários para que as máquinas processem informações na Web. 6 Detalhes de orientação a objetos aplicados a Web em http://www.w3.org/OOP/
58
XML e, mais recentemente da web semântica o valor até então agregado às
aplicações deslocou-se para os dados. Este fato define essencialmente o que é
a web semântica. O caminho para tornar os dados mais compreensíveis as
máquinas é torná-los mais inteligentes. Todas as tecnologias desse trabalho
são os fundamentos de uma abordagem sistemática para criar dados
inteligentes. A Figura 4.2 mostra os quatro estágios da evolução dos dados,
que se tornam continuamente mais inteligentes. Esses estágios evoluem de
dados minimamente inteligentes a dados embutidos de informações
semânticas suficientes para que as máquinas possam fazer inferências.
(DACONTA, 2003)
O detalhamento dos quatros estágios é apresentado a seguir:
– Texto e banco de dados (pré-XML): a maioria dos dados eram
propriedades de uma aplicação. Portanto, a inteligência estava na
aplicação e não nos dados.
Documentos e bases de dados
Documentos XML para domínios específicos
Taxonomias e documentos comvocabulários mistos
Ontologias e regras
Documentos e bases de dados
Documentos XML para domínios específicos
Taxonomias e documentos comvocabulários mistos
Documentos e bases de dados
Documentos XML para domínios específicos
Taxonomias e documentos comvocabulários mistos
Ontologias e regras
Figura 4.2 Evolução dos dados
59
– Documentos XML para domínios específicos: os dados se tornam
independentes da aplicação dentro de um domínio específico. Os dados
agora são inteligentes o suficiente para se moverem entre aplicações de
um domínio. Um exemplo disso poderiam ser os padrões XML da
industria química, automobilística, aeroespacial etc.
– Taxionomias e documentos com vocabulários mistos: os dados
podem ser compostos de múltiplos domínios e podem ser classificados
dentro de uma taxionomia hierárquica. De fato, a classificação pode ser
utilizada para descoberta de dados. Relacionamentos simples entre
categorias na taxonomia podem ser usados para relacionar e combinar
dados. Portanto, os dados são inteligentes o suficiente para serem
facilmente descobertos e sensivelmente combinados com outros dados.
– Ontologias e regras: novos dados podem ser inferidos a partir dos
existentes seguindo regras lógicas simples. Essencialmente, os dados
são suficientemente inteligentes para serem descritos com
relacionamentos concretos, e formalizam sofisticados onde cálculos
lógicos podem ser realizados com esta “álgebra semântica”. Isso permite
a combinação e recombinação de dados até um nível atômico e uma
análise mais refinada dos dados. Portanto, neste estágio, os dados não
existem como uma bolha, mas sim como parte de um microcosmo
sofisticado. Um exemplo dessa sofisticação dos dados é a tradução
automática de documentos de um domínio para documentos
equivalentes em outros domínios.
60
Neste ponto, é possível estabelecer uma nova definição para web
semântica: redes de dados inteligentes que são processáveis pelas máquinas.
De uma maneira mais detalhada, pode-se definir dados inteligentes como
dados que: não dependem de aplicação, classificáveis, de fácil composição e
que fazem parte de um ecossistema de informação maior (Ontologias).
4.2 Motivação para web semântica?
Segundo (DACONTA, 2003) a web semântica não envolve apenas a WWW.
Ela representa um conjunto de tecnologias necessárias às atividades
desenvolvidas em redes coorporativas, intranets. Isto é análogo aos web
services, que representam serviços não somente através da Internet, mas
também nas intranets. Nesse sentido, a web semântica propõe solucionar
vários problemas chaves das atuais arquiteturas de tecnologia da informação
como:
– Sobrecarga de informação: as ferramentas de busca enfrentam a
dificuldade de executar pesquisas entre documentos que não estão
diferenciados em termos de assunto, qualidade e relevância. A
tecnologia atual não é capaz de diferenciar uma informação comercial de
um educacional, ou informação entre idiomas, culturas e mídia. É
necessário haver informações de qualificação da própria informação
para que seja possível classificá-las e tornar os processos de
recuperação de informações mais eficazes.
– Integração de informações: a variedade de fontes de informação
distintas com diferenças sintáticas, semânticas e estruturais é muito
61
grande, tornando o compartilhamento, integração e resolução de
conflitos entre informações um problema difícil de ser solucionado. Outra
questão a ser tratada seria a criação ou remoção de fontes de
informação, o que teria que ser realizada com extrema cautela de forma
a não causar grandes impactos ao ambiente integrado. Deve-se
considerar que as fontes de informação podem ter capacidades
computacionais diferentes, podendo variar desde sistemas de banco de
dados a arquivos. As informações podem variar de não estruturadas,
como imagens e vídeos, as semi-estruturadas, como arquivos de e-mail
e páginas Web. A heterogeneidade estrutural e semântica da informação
na Web, atualmente, é imensa e a maioria das propostas de integração
ainda adota soluções com alto índice de centralização, tornando seu uso
na Web inviável.
– Conteúdo não estruturado: um dos motivos do grande sucesso da
Web é sua liberdade de publicação de informação. Essa liberdade
proporcionou uma enorme quantidade de documentos e recursos de
todo tipo disseminado na Web, tais como: bancos de dados, artigos,
programas, arquivos, etc. Por serem criados de forma autônoma, sem
preocupação com regras de estruturação, catalogação e descrições de
suas propriedades, essas informações são difíceis de serem abrangidas
pelos mecanismos de pesquisa, ocasionando demora e ineficácia na
localização de informações. Alguns problemas enfrentados pelos
mecanismos de busca e recuperação de informações são: demora na
localização de informações; informações não localizadas devido às
mudanças de URL; e, recuperação de informações fora do contexto
62
solicitado pelo usuário devido a problemas de semântica e ambigüidade.
A efetividade dos mecanismos de busca depende principalmente da
maneira pela qual as informações foram estruturadas e catalogadas na
Web. Documentos podem ser estruturados e organizados de várias
formas diferentes na Web e as ferramentas de busca têm que utilizar
mecanismos de recuperação adequados para cada tipo de organização.
4.3 Arquitetura da web semântica
Na proposta de desenvolvimento da web semântica (BERNERS – LEE et
al., 2001a) sugere uma arquitetura de três camadas conforme Figura 4.3:
– Esquema: que estrutura os dados e define seu significado;
– Ontologia: que define as relações entre os dados;
– Lógica: define mecanismos para fazer inferências sobre os dados.
63
4.3.1 Camada esquema
A representação do conhecimento é o primeiro passo em direção a web
semântica. É necessário que os dados sejam estruturados e que sejam
atribuídos significados, para que seja possível elaborar um raciocínio lógico.
Para que haja a representação do conhecimento é necessária à satisfação
de três condições:
– Interoperabilidade estrutural: provê a representação para modelos de
dados distintos, permitindo especificar tipos e possíveis valores para
cada forma de representação;
– Interoperabilidade sintática: provê regras precisas para promover o
intercâmbio dos dados na Web;
Figura 4.3 Arquitetura da Web Semântica
camadalógica
camadaontologia
camadaesquema
Web SemânticaWeb Semântica
Motor debusca
Motorheurístico
Interface deconversação
camadalógica
camadaontologia
camadaesquema
camadalógica
camadaontologia
camadaesquema
camadalógica
camadaontologia
camadaesquema
Web SemânticaWeb Semântica
Motor debusca
Motorheurístico
Interface deconversação
64
– Interoperabilidade semântica: possibilita a compreensão dos dados e
suas associações com outros dados.
A camada esquema irá controlar os dados nos documentos, como uma
gramática de definição, em que os mesmos estarão estruturados e com
significados bem definidos. As tecnologias base dessa camada são descritas a
seguir:
– Uniform Resource Identifier (URI7): é simplesmente um identificador
da Web. O URI é utilizado para identificar itens na Web. Uma Uniform
Resource Locator (URL) é um tipo de URI que fornece um caminho para
obter mais informação sobre determinado recurso. O URI é uma
tecnologia ideal para ser utilizada pelo RDF8.
– XML: as páginas da Web na sua maioria são baseadas em HTML9. Em
uma linguagem pré-definida como o HTML não se tem à possibilidade de
estender o conjunto de tags original, isto é, caracterizar os documentos;
com essa facilidade, as aplicações específicas poderiam associar
significados aos dados e aos campos dos documentos o que viabilizaria
seu processamento automático, indo muito além do que simplesmente
gerar uma visualização. A solução para a extensão do conjunto de tags
foi produzir o XML10 (WEIBEL, 1997). A definição da linguagem XML
consiste em um padrão utilizado para marcação de documentos que
contém informações estruturadas, ou seja, documentos que contém uma
estrutura clara e precisa da informação que é armazenada em seu
7 http://www.w3.org/Addressing/ 8 http://www.w3.org/RDF/ 9 Linguagem descendente do SGML que é uma meta-linguagem padrão utilizado com sucesso há mais de uma década para geração de linguagens de representação de documentos . 10 http://www.w3.org/XML/
65
conteúdo (WEIBEL, 1997). A estrutura da XML pode ser exemplificada
na Figura 4.4.
o Data Type Definition (DTD) / XML Schema11: gramáticas que
definem as regras para a verificação do documento na sua forma
sintática e também definem os elementos que constituem a
estrutura do documento, assim como seus relacionamentos;
o eXtensible Style Language (XSL12) / XSL Transformations
(XSLT9): linguagens da família XML responsáveis pela
apresentação dos documentos XML;
o XML: provê o formato dos dados para documentos estruturados
sem especificar um vocabulário real, o que irá identificar esse
vocabulário será o DTD / XML Schema.
A linguagem XML consegue atender duas das três condições para
que haja a representação de conhecimento:
11 http://www.w3.org/XML/Schema 12 http://www.w3.org/Style/XSL/
XMLconteúdo
DTD / XML Schemagramática
XSL / XSLTapresentação
XMLconteúdo
DTD / XML Schemagramática
XSL / XSLTapresentação
Figura 4.4 Estrutura da linguagem XML
66
o interoperabilidade estrutural: realizada através do DTD / XML
Schema, que provê uma representação dos dados, especificando
tipos e possíveis valores.
o interoperabilidade sintática: realizada através do DTD / XML
Schema, que provê regras precisas, utilizando uma gramática,
que estabelece a sintaxe.
4.3.2 Camada Ontologia
É na camada de ontologia que garantimos as definições únicas dos
conceitos, mesmos os conceitos expressos de formas diferentes e em
linguagens diferentes. Essa garantia é atingida através da utilização das triplas
<objeto, atributo, valor> nas linguagens. A seguir será detalhada a linguagem
RDF por ser a linguagem base das representações ontológicas.
RDF: é uma recomendação do W3C para definir uma padronização da
representação e do uso de metadados na Web. O propósito da W3C era
fornecer meios para possibilitar a interoperabilidade entre aplicações na Web,
permitindo que as informações fossem entendidas diretamente pelas
máquinas. (SAUNDERS, 1995).
Segundo (W3C), o RDF define um mecanismo para descrever recursos na
Web de uma forma neutra, sem descrever uma área de aplicação específica ou
domínio de conhecimento. Em princípio, o RDF não define a semântica de
nenhum domínio.
A sintaxe do RDF utiliza a linguagem XML para expressar o significado da
informação. Conseqüentemente, a XML e o RDF se tornam complementares.
67
Enquanto que a XML define uma estrutura, o RDF permite expressar o
significado associado aos dados. A flexibilidade da XML permite expressar a
semântica através da representação padronizada das triplas <objeto, atributo,
valor>, escritas sob a estrutura sintática do XML.
O modelo de dados RDF é definido como:
– Recursos
– Literais
– Propriedades
– Sentenças
As sentenças são formadas por <objeto, atributo, valor> onde:
– Objeto: é um recurso;
– Atributo: é uma propriedade;
– Valor: é um recurso ou um literal.
O relacionamento entre um recurso e um literal é chamado de sentença. A
sentença relaciona um atributo a um valor através de um objeto. Exemplo:
– Sentença: Bill Gates é dono da http://www.microsoft.com.
o Atributo: dono
o Objeto: http://www.microsoft.com
o Valor: Bill Gates
Os recursos que representam os objetos das sentenças devem utilizar
identificadores no padrão URI, pois representam um endereço único para cada
recurso na Web.
As sentenças RDF podem ser representadas de três formas distintas:
68
– Grafo: A representação gráfica é a mais fácil de ser compreendida como
mostra a Figura 4.5.
– XML: As sentenças RDF escritas em XML habilitam o intercâmbio entre
máquinas, sem interferência humana, através de várias aplicações e
serviços conforme ilustra a Figura 4.6.
– Triplas: As triplas são acessíveis às aplicações que irão utilizá-las como
entradas para suas operações conforme demonstrado na Figura 4.7.
Figura 4.7 Sentença RDF na forma de triplas
A especificação da RDF não é suficiente para descrever metadados de uma
forma associada, representando semanticamente um dado domínio de
conhecimento. Quando citamos a representação semântica, queremos nos
referenciar principalmente à definição de ontologias e conseqüentemente de
todas as características das informações por elas requeridas como definição de
donohttp://www.microsoft.com Bill Gates
donohttp://www.microsoft.com Bill Gates
Figura 4.5 Sentença RDF representada na forma gráfica
Bill Gatesdonohttp://www.microsoft.com
LiteralPropriedadeRecursoBill Gatesdonohttp://www.microsoft.com
LiteralPropriedadeRecurso
Figura 4.6 Sentença RDF escrita em XML
69
significado, definição de possíveis relacionamentos, propriedades, herança de
propriedades e restrições de valores.
A W3C definiu o conceito de esquema RDF para expressar a estrutura de
metadados de documentos na Web. Para tal é utilizado o modelo RDF
associado a regras, formando um vocabulário do esquema, que define a
estrutura dos dados, de forma similar a um esquema tradicional de banco de
dados. Logo, os dados definidos de acordo com o esquema estarão sempre em
conformidade. A Figura 4.7 apresenta um pequeno exemplo da estrutura do
RDF Schema.
A linguagem RDF satisfaz as três condições para que haja a representação
de conhecimento:
– interoperabilidade sintática: através do RDF Schema, ou seja, provê
regras precisas, utilizando uma gramática, que estabelece uma sintaxe;
Figura 4.8 Exemplo da sintaxe do RDF Schema
70
– interoperabilidade estrutural: provendo uma representação aos dados
e especificando tipos e possíveis valores para cada forma de
representação, através do mecanismo de <objeto, atributo, valor>;
– interoperabilidade semântica: através do significado que é atribuído
aos dados, através das triplas de <objeto, atributo, valor>.
4.3.3 Camada Lógica
A camada lógica é composta por um conjunto de regras de inferência que
os agentes poderão utilizar para relacionar e processar a informação. As regras
de inferência fornecem aos agentes o poder de analisar os termos e os seus
significados, que foram definidos na camada esquema e de analisar os
relacionamentos entre os conceitos segundo sua definição na camada
ontologia. “Um agente é um sistema computacional que está situado em um
ambiente e que é capaz de atuar de forma autônoma neste ambiente com
intenção de atingir os objetivos de seu desenvolvedor“ (WOODRIDGE, 1999).
Os agentes possuem algumas características que os distinguem: têm
autonomia (operam, tomam decisão sem intervenção externa), têm reatividade
(são ativos, percebem o seu ambiente e agem), têm comportamento
colaborativo, possuem objetivos (metas), são flexíveis, sociáveis e têm
capacidade de aprender. Os agentes serão capazes de “compreender” o
significado entre objetos, com base em ontologias e de raciocinar sobre eles
utilizando regras de inferência definidas na camada lógica. Alem disso, deverão
ser capazes de trocar dados entre si.
71
A Web Semântica terá vários agentes interagindo, cooperando e formando
cadeias de valor que facilitem a comunicação e a ação humana. Os agentes
poderão trocar ontologias e adquirirem novas capacidades, quando
descobrirem novas ontologias (BERNERS – LEE et al., 2001b).
4.4 O papel dos web services na web semântica
O uso de web services está crescendo rapidamente por possibilitar de forma
transparente a interoperabilidade e comunicação entre aplicações. Estes
serviços provêem uma arquitetura para implementar a comunicação entre
aplicações de diferentes tipos e plataformas.
Esta arquitetura focaliza-se em como os serviços são descritos e
organizados dinamicamente, propiciando descoberta e uso automático Figura
4.8. Excluem-se aqui sistemas cujas interações são acopladas manualmente
de forma rígida, como é o caso nas aplicações de Electronic Data Interchange
(EDI).
Segundo (W3C, 2002), os web services são softwares identificados por uma
URL, sendo que a maioria das implementações é baseada no protocolo HTTP,
do qual as interfaces, WSDL, podem ser descritas e descobertas por
Recursosdinâmicos
Recursosestáticos
SintaxeInteroperável
SemânticaInteroperável
Web Services
WWW Semantic Web
Semantic WebServices
Recursosdinâmicos
Recursosestáticos
SintaxeInteroperável
SemânticaInteroperável
Web Services
WWW Semantic Web
Semantic WebServices
Figura 4.9 Evolução da tecnologia de web services
72
instrumentos baseados em XML e ainda suportar interações diretas com outros
softwares utilizando mensagens em XML, SOAP, transportadas sobre
protocolos de Internet.
4.4.1 Protocolos utilizados pelos Web Services
Segundo (WEB SERVICES, 2002), os aplicativos acessam os web services
utilizando os protocolos padrões da Web, sem a necessidade de se
preocuparem como cada web service foi implementado. Todos esses padrões
são definidos pelo W3C, tornando a sua implementação viável em qualquer
plataforma.
Para implementar web services, a W3C define quatro padrões, Figura 4.9,
primários que são (WEB SERVICES, 2002):
1. XML:. a XML é a linguagem dos Web Services. Ela é equivalente ao
American Standard Code for Information Interchange (ASCII) para a
Internet, onde dados ou conteúdo que são expressos em XML devem
ser entendidos por qualquer aplicativo que entende XML (MARTIN,
2001);
Figura 4.10 Esquema dos web services com os protocolos
SOAP
HTTP
TCP
cliente server
WSDL WSDL
UDDI
SOAP
HTTP
TCP
clientecliente serverserver
WSDL WSDL
UDDI
73
2. SOAP (Simplified Object Access Protocol): protocolo utilizado para
chamar procedimentos remotos pela Internet. É um documento XML que
define, entre outras coisas, como uma aplicação pode dizer a um
servidor que determinado objeto deve ser carregado, qual método deve
ser executado, com quais parâmetros e qual é o valor de retorno;
3. WSDL (Web Services Description Language): é um documento XML
que auxilia na descrição dos serviços. Proporcionam aos clientes de um
web services todos os detalhes necessários para conexão e utilização
dos web services. (Web Services, 2002) e;
4. UDDI (Universal Description, Discovery and Integration): para
transformar a atual Web semi-estática numa Web dinâmica, dotada de
serviços colaborativos, é necessário criar um diretório mundial para
consultas dos serviços disponíveis, que as empresas divulgarão e
procurarão serviços de forma dinâmica. Tal como uma lista telefônica, o
UDDI contém páginas brancas e amarelas que permitem procurar os
serviços em função do nome da empresa ou do tipo de atividade que
exercem. Porém, o UDDI oferece, também, páginas verdes, e indicam
como negociar com as empresas que figuram no diretório, designando,
por exemplo, os seus procedimentos comerciais ou descrevendo os
serviços que disponibilizam. Brancas, amarelas ou verdes, as páginas
UDDI possuem um modelo de dados baseado em XML, e o seu acesso
exige a utilização do SOAP, tanto para as preencher como para
pesquisar os serviços que as contêm (UDDI, 2002).
74
4.5 Considerações finais
Um dos objetivos originais da Web era a troca de informação entre pessoas,
mas de forma de que as máquinas pudessem participar da comunicação,
ajudando os usuários. Os computadores na Web, atualmente, têm papel
somente no direcionamento e entrega de informações, não tendo acesso ao
conteúdo das páginas, porque essa informação está estruturada para utilização
pelas pessoas e não por máquinas.
Este capítulo abordou a tecnologia da web semântica, uma proposta de
extensão da Web atual baseada no uso de ontologias para descrever
relacionamentos entre objetos, formados com informações semânticas, para
automatizar o processamento pelas máquinas.
A web semântica não é apenas uma ferramenta para conduzir e auxiliar a
execução de tarefas individuais e pesquisas mais eficientes na Web, mas
também uma ferramenta para assistir no desenvolvimento do conhecimento.
Devido a sua importância no desenvolvimento da próxima geração da Web,
o próximo capítulo irá apresentar uma proposta de arquitetura de integração
semântica de bibliotecas digitais utilizando a web semântica como base de
desenvolvimento.
75
5 INTEGRADOR SEMÂNTICO DE BIBLIOTECAS DIGITAIS
A publicação de textos completos na rede, principalmente de Ciência e
Tecnologia (C&T), já é uma realidade no Brasil conforme demonstram algumas
iniciativas como a SciELO13, Portal do Conhecimento 14 da USP, Biblioteca
Digital LAMBDA15 da PUC/RIO, Banco de Teses e Dissertação BTD16 do
PPGEP/UFSC, Biblioteca Digital de Teses e Dissertações Brasileira – BDTD17
do IBICT entre outras. A presença desse novo modelo de biblioteca na
sociedade contribuiu para o surgimento do termo biblioteca digital.
(BAX, 1997) traz a seguinte definição de bibliotecas digitais:
“as bibliotecas digitais são entidades capazes de vencer as limitações
naturais, espaço - temporais, impostas a objetos físicos (livros, estantes,
salas, prédios), permitindo novas práticas de trabalho e oportunidades.
[...] é uma reunião de um ferramental de computação, estoque e
comunicação digitais juntamente com o conteúdo e software necessário
para se reproduzir, emular, estender os serviços oferecidos por
bibliotecas convencionais baseadas em papel e outros meios de
coleção, catalogação, e disseminação da informação. Uma biblioteca
digital completa deve ser capaz de oferecer todos os serviços essenciais
de uma biblioteca tradicional, assim como explorar as bem conhecidas
vantagens do estoque, pesquisa e comunicação digital.”.
13 http://www.scielo.br 14 http://www.teses.usp.br 15 http://www.lambda.maxwell.ele.puc-rio.br 16 http://www.teses.eps.ufsc.br 17 http://www.ibict.br/bdtd
76
(DRANBESTOTT, 1997) comenta que:
"...ao se levar em conta outras características e mecanismos do que se
denomina biblioteca digital, encontram-se termos complementares, tais
como acessibilidade local, nacional, regional, universal, conexão
eletrônica, por meio de computadores massivos e roteadores,
transparência das informações, independentemente de local ou
determinado campus, laboratório de pesquisa, uso de computadores
pessoais e portáteis, instituições, firmas comerciais; usuários
cadastrados com posse de senhas".
(LEVACOV, 1997) comenta que:
“Para alguns, significa simplesmente a troca de informações por meio da
mídia eletrônica e pode abranger uma grande variedade de aplicativos,
[...] para outros, significa a possibilidade de [...] criar uma rede mundial
que fosse um grande depositário (potencialmente infinito) de todos os
documentos da humanidade”.
A Digital Library Federation (DLF18) apresenta sua definição sobre biblioteca
digital com base em características e principalmente exigências funcionais para
o desenvolvimento da mesma.
– Organizações que fornecem os recursos: são organizações que
empregam e indicam uma variedade de recursos, especialmente os
recursos intelectuais pertinentes à equipe especializada, mas não
necessitam ser organizada no modelo das bibliotecas convencionais.
18 http://www.diglib.org/
77
Embora os recursos que as bibliotecas digitais requerem sejam similares
àquelas dentro das bibliotecas convencionais, eles são, muitas vezes, de
tipos diferentes. Por o exemplo, para o armazenamento e a recuperação,
as bibliotecas digitais são dependentes quase exclusivamente do
computador, das habilidades eletrônicas dos sistemas da rede e da
engenharia dos sistemas.
– Preservam a integridade e asseguram a persistência: devido à
mudança contínua no ambiente torna-se muito difícil assegurar a
persistência e a preservação de integridade. Mas a DLF considera estas
funções como centrais ao conceito de biblioteca digital. A integridade de
objetos digitais é medida em termos de conteúdo, fixação, referência,
origem e contexto (LEVY, 1995). A preservação da integridade do objeto,
embora necessário, não é uma condição suficiente da persistência. A
persistência depende também de outros fatores: vontade organizacional,
meio financeiro e a negociação de direitos legais.
– Coleções de trabalhos digitais: as distinções entre as bibliotecas
geralmente estão no foco do tema da matéria que define as coleções
(por exemplo, medicina, arte, ciência, música, e outros), ou nas
comunidades interessadas nos materiais coletados (por exemplo,
pesquisa, faculdade, público). Para DLF, com o amadurecimento das
bibliotecas digitais, o princípio que define as políticas de suas coleções
não será o material digital. Outrossim, a definição dos princípios estará,
como em outras bibliotecas, na “matéria tema” das matérias e no
interesse protetor da comunidade nelas. A pergunta estratégica chave
para as bibliotecas digitais que antecipam tal desenvo lvimento será
78
“como integrar coleções de materiais na forma digital com materiais em
outras formas”.
– Prontamente e economicamente disponível: como em outras
organizações, as bibliotecas digitais necessitam desenvolver critérios
para medir seu desempenho num ambiente em desenvolvimento e
altamente competitivo. No mínimo, devem refletir os atributos funcionais
de uma biblioteca digital como descritos anteriormente. Uma medida
essencial da qualidade do serviço avalia o desempenho nos termos de
custo. Embora os custos de serviços de uma biblioteca digital ainda não
sejam bem compreendidos, a DLF comenta que as iniciativas bem
sucedidas têm uma certa segurança dos fatores críticos de custo e
trabalham rapidamente para economizar a influência destes fatores.
Uma segunda medida essencial da qualidade de serviço considera a
disposição e compreensão de como uma biblioteca digital deixa a
informação disponível à comunidade.
– Uso por uma comunidade ou por um conjunto de comunidades
definidas: as bibliotecas em geral, e as bibliotecas digitais
particularmente, são organizações de serviços. As necessidades e os
interesses das comunidades que elas servem determinam a trajetória do
desenvolvimento das bibliotecas digitais, incluindo o investimento feito
no conteúdo e na tecnologia. A maioria das bibliotecas deve ser
dedicada ao suporte da educação e da pesquisa, justificando seu
investimento em desenvolvimentos digitais como um meio poderoso de
realizar os objetivos institucionais das comunidades.
79
As definições apresentadas em torno das bibliotecas digitais demonstram o
seu papel fundamental no compartilhamento do conhecimento, principalmente
científico, como apresentado por (MARCONDES, 2002):
“a informação de interesse para a pesquisa científica é em grande parte
composta pela chamada documentação não convencional, também
chamada de “literatura cinzenta”, documentos que não são encontrados
no circuito editorial convencional, como relatórios de pesquisa, trabalhos
apresentados em eventos, teses e dissertações, que noticiam com
grande atualidade os resultados de pesquisa.
Coletar esta “literatura cinzenta” sempre foi caro e extremamente
trabalhoso para os sistemas, devido à dispersão da literatura científica. O
surgimento das publicações eletrônicas começa a mudar radicalmente
este quadro. Hoje em dia não é mais suficiente para garantir o máximo
de visibilidade de seu acervo que bibliotecas digitais simplesmente
disponibilizem seus dados na Internet. A quantidade de informações
disponível na rede é tão grande que identificar, localizar, descobrir a
existência e acessar informações relevantes torna-se um problema
crítico, demandando um tempo proibitivo aos usuários.”
Uma visão mais direcionada a realidade de bibliotecas digitais em
universidade é apresentada em (PACHECO, 2001a)
“O avanço das novas tecnologias na área de bibliotecas é evidente. No
entanto, a realização é muito pequena, se comparada ao potencial
realizável. Cada universidade ou cada programa de pós-graduação
desenvolve, ainda, iniciativas pouco integradas. Provedores de
80
informação privados oferecem soluções também pouco integráveis ao
restante do ambiente bibliotecário”.
A possibilidade de integração de bibliotecas digitais depende da
construção de padrões que permitam o intercâmbio de informações e a
interoperabilidade de aplicativos. A busca por interoperabilidade entre
arquivos abertos, segundo Sena16, visa a transformar cada um dos
arquivos em parte de um arquivo global para a realização de pesquisas
on-line.”
Um dos apelos no desenvolvimento das bibliotecas digitais é a maior
visibilidade dos acervos por ela atendida. Atingir esta visibilidade não significa
mais necessariamente que algum usuário buscando informações deva acessar
a biblioteca digital ou arquivo eletrônico para ter acesso aos documentos
digitais. A possibilidade dos acervos serem consultados simultaneamente sem
que um usuário acesse cada site individualmente, a chamada
interoperabilidade, vem sendo perseguida como o mecanismo viável. Atingir a
interoperabilidade entre repositórios de bibliotecas digitais, distintos e
heterogêneos possibilitando consultas simultâneas, envolve um aporte intenso
em termos de tecnologias, protocolos e padronização.
5.1 Arquitetura de integração semântica de bibliotecas digitais
Na abordagem de integração proposta foi utilizada à visão clássica das
camadas de informação (BERGAMASCHI et al., 1999), (CALVANESE et al.,
1998) como ilustra a Figura 5.1. A camada semântica é representada por um
modelo conceitual que descreve um domínio particular de interesse, domínio
81
esse que se encontra implícito nas estruturas das fontes a serem integradas. A
camada lógica é representada por um modelo lógico que descreve a estrutura
das fontes participantes do processo de integração. O mapeamento entre as
duas camadas é realizado através do modelo de mapeamento, que contém um
conjunto de regras de mapeamento, responsáveis por especificar como
elementos do modelo lógico devem ser interpretados no modelo conceitual.
– Modelo conceitual: expressa informações semânticas em termos das
associações entre conceitos de um domínio particular de interesse,
diferentemente das perspectivas ontológicas de representação do
conhecimento, que se concentram em expressar a definição de um
conceito.
conceitos
mapeamentos
fonte de dados
camada semântica
camada lógica
conceitos
mapeamentos
fonte de dados
camada semântica
camada lógica
Figura 5.1 Integração estrutural de fonte de dados
82
– Modelo lógico19: tem por objetivo expressar os elementos que
compõem uma descrição estrutural das fontes de dados participantes, de
forma que cada um destes elementos possa ser mapeado para
elementos do modelo conceitual em uma etapa posterior, garantindo
uma semântica associada a estes elementos, e conseqüentemente,
facilitando o processo de integração destas fontes. Este modelo
corresponde a uma simplificação de uma estrutura, incluindo apenas os
conceitos de esquema, elemento e domínio de um elemento.
– Modelo de mapeamento: tem por objetivo prover informação semântica
ao dado estrutural. O modelo compreende dois elementos:
o um responsável por acomodar um conjunto de restrições, no nível
semântico, presentes nos esquemas;
o um conjunto de regras de mapeamento, as quais são responsáveis
por associar o modelo lógico ao modelo conceitual.
O propósito da arquitetura, baseada na visão clássica das camadas de
informação, é prover um sistema de integração semântico de dados baseado
em web services e ontologias através de um esquema comum que sobrepõe a
heterogeneidade estrutural dos repositórios de dados estruturados. Este
esquema comum é descrito na linguagem OWL e suporta várias ontologias,
relacionadas ou não. A OWL é uma linguagem de marcação semântica para
recursos da web, desenvolvida como uma extensão da linguagem para
ontologias DAML+OIL. Segundo (Smith, 2003), a OWL ultrapassa esta 19 O termo lógico é aqui utilizado no mesmo sentido empregado em ambientes de bancos de dados, onde denota a descrição de dados em termos das estruturas gerenciadas pelos SGBDs (por exemplo tabelas relacionais), as quais se encontram em um nível mais abstrato com relação à organização física dos dados.
83
linguagem no que se refere à habilidade para representar na web conteúdo
compreensível por máquinas.
É importante salientar que os dados semi-estruturados, páginas HTML,
documentos textos e arquivos XML, não foram contemplados na arquitetura.
Caso exista necessidade da inclusão de tal fonte de dados, será necessário
converter os dados para o formato XML, respeitando a estrutura sintática de
acordo com alguma ontologia disponível no repositório de ontologias, Figura
5.2. Após a geração do novo formato os mesmos deverão ser armazenados em
algum SGBD.
O diagrama da arquitetura de integração é apresentado na Figura 5.2,
sendo seus componentes descritos a seguir.
84
– Interface usuário: é responsável pela interação do usuário com a
arquitetura proposta. A interface é composta pela interface de
publicação, responsável por transformar, converter e publicar os
documentos XML nos dispositivos web. Para isso, deverá integrar
algumas ferramentas, como processadores e parsers de algumas
linguagens. É importante lembrar que a separação do conteúdo, lógica e
estilo deverá ser respeita, pois essa separação auxilia o processo de
apresentação de forma mais eficiente. É através desta interface que os
Figura 5.2 Arquitetura proposta para integração semântica
SGBDNative XML
SGBDNative XML
SGBDSGBD
Usuário
Publicação
Administrador
Mediador
FiltroXML
FiltroSQL
FiltroXMLS
SGBDNative XML
SGBDNative XML
SGBDSGBD
Usuário
PublicaçãoPublicação
AdministradorAdministrador
MediadorMediador
FiltroXMLFiltroXML
FiltroSQLFiltroSQL
FiltroXMLS
85
usuários submetem consultas sem ter conhecimento de como as
informações estão de fato representadas.
– Interface administrador: recurso responsável pelo ciclo de vida das
ontologias. Pode-se dizer que é a parte vital da arquitetura. São tarefas
desta interface:
o Criação e manutenção do esquema conceitual: popular e
manter o repositório de ontologias com instâncias de conceitos,
contendo seus respectivos relacionamentos de dependência e de
integração.
o Criação e manutenção do catálogo de filtros: registrar, no
repositório de ontologias, a localização dos filtros com a
respectiva lista de conceitos envolvidos. Esta informação deve ser
obtida no momento em que o esquema de uma fonte de dados é
mapeado para repositório de ontologias. Essas informações são
de vital importância à arquitetura, pois habilita o mediador a
estabelecer comunicação com os filtros de consulta. Nesse
estágio é indicada a utilização de arquivos WSDL, pois a
funcionalidade é muito semelhante e já é um passo para o
caminho da utilização dos web services como padrão da
arquitetura.
o Suporte à tarefa de mapeamento: disponibiliza a lista de
conceitos para que o responsável pelo repositório de dados a ser
integrado possa mapear corretamente as fontes de dados que se
deseja publicar. Esse processo exige uma atenção especial às
86
ontologias disponíveis no repositório, já que, o ideal é a
reutilização de estruturas pré-definidas e validadas.
As tarefas de criação e manutenção dos esquemas conceituais e de
mapeamento são fundamentais para garantir a qualidade do repositório
de ontologias, já que são as portas de entradas do repositório.
– Repositório de ontologias: é utilizado para armazenar o esquema
conceitual que se encontra expresso diretamente em OWL. É importante
salientar que a linguagem OWL não é exclusiva na arquitetura. O que é
importante é a utilização de linguagens de definição ontológicas
baseadas em RDF. A sugestão do uso da linguagem OWL faz-se devido
ser esforço mais recente da W3C no que diz respeito a definições de
linguagens semânticas.
A infra-estrutura do repositório de ontologias é baseada na tecnologia de
web services devido ser a tecnologia que melhor desempenha a
funcionalidade de interoperabilidade e por ser completamente
descentralizado. Essa realidade de descentralização justifica a utilização
da tecnologia de computação em grade no balanceamento da carga de
trabalho. O que auxilia de sobre maneira o desempenho do sistema.
O registro de uma ontologia deve iniciar pelo responsável do repositório
de dados a ser integrado. Primeiramente, deverá ser feita uma análise
do modelo do repositório ou de uma ontologia em uso com as ontologias
disponíveis no repositório de ontologias. Havendo compatibilização ou
não com as ontologias do repositório, o administrador do repositório fica
responsável pela tarefa de mapeamento ou de criação da ontologia.
87
Essa responsabilidade é compartilhada com o responsável do
repositório a ser integrado.
Após a inserção das ontologias no repositório, as mesmas podem ser
dinamicamente atualizadas com novas instâncias de conceitos durante o
seu ciclo de vida, vale ressaltar que as ontologias não terminam como o
ciclo de vida de software e sim estão em constante evolução. Caso uma
ontologia seja descontinuada é porque houve falha na sua constituição.
Além das ontologias, o repositório armazena os catálogos dos filtros.
Esses catálogos contêm a localização, a lista de conceitos e o modelo
de mapeamento do repositório de dados a ser integrado.
– Interface mediador: é responsável por manter uma visão única e
integrada ao usuário do sistema. A interface mediador é o centro da
arquitetura, pois realiza o processo de orquestração entre usuários,
interface de apresentação, repositório de ontologias e filtros da
arquitetura. A única exigência dessa interface é a presença da XML
como linguagem de comunicação com os componentes da arquitetura.
Propostas baseadas em mediadores se mostram adequadas no
contexto das aplicações em função do fraco acoplamento entre as fontes
de dados (visto que não existe um esquema global), respeitando,
portanto, a autonomia dos repositórios. O processo de mediação
também favorece a construção de aplicações com grau de abstração
adequado ao usuário à medida que provê um ponto de acesso único e
uniforme as fontes de dados envolvidas.
88
– Interface filtro: apresenta três filtros:
o Filtro SQL: responsável por fazer a comunicação com os SGBDs
relacionais através de instruções SQL. Estás instruções são
geradas com auxílio da interface mediador que através do acesso
ao repositório de ontologias elabora as consultas a partir das
definições de mapeamento;
o Filtro XML: responsável por fazer a comunicação com os SGBDs
nativos XML através de instruções XQuery. A vantagem de utilizar
este recurso, XQuery, é que a instrução não precisa ser
transformada, pois já está no formato XML.
o Filtro XMLS: responsável por fazer o mapeamento da estrutura
de um modelo relacional para o padrão XML Schema (PADILHA,
2003). A partir do XML Schema o procedimento de conversão ou
ajuste para RDF gera pouco trabalho.
Com base na arquitetura ora apresentada foi desenvolvido um protótipo de
integração entra as bibliotecas digitais do IBICT e da SciELO. Na próxima
seção é apresentado o protótipo.
5.2 Integração das bibliotecas digitais do IBICT da SciELO
A validação da arquitetura de integração semântica de bibliotecas digitais foi
feita através do desenvolvimento do protótipo denominado de Base Científica –
BASCIN. Esse protótipo fez uso da estrutura da Biblioteca Digital de Teses e
Dissertações do IBICT e da Biblioteca Digital de Artigos da SciELO.
89
Segundo (Marcondes, 2001), o IBICT, através do projeto da Biblioteca
Digital Brasileira em C&T - BDB, passou a fomentar o desenvolvimento de
recursos informacionais brasileiros de interesse para C&T em texto completo,
como teses e dissertações, artigos de periódicos, trabalhos em congressos,
arquivos eletrônicos de preprints, integrando e provendo interoperabilidade
entre estes recursos através do acesso unificado aos mesmos, via uma única
interface web.
A Scientific Electronic Library Online - SciELO é uma biblioteca eletrônica
que abrange uma coleção selecionada de periódicos científicos brasileiros. O
seu objetivo é o desenvolvimento de uma metodologia comum para a
preparação, armazenamento, disseminação e avaliação da produção científica
em formato eletrônico.
Para o desenvolvimento da infra-estrutura foram seguidas as seguintes
etapas:
1. Aquisição dos padrões de metadados das duas bibliotecas digitais.
– MTD-BR em http://www.ibict.br/schema
– Artigo DTD-SciELO v3.1 em http://www.scielo.org/dtd/004_pt.htm
2. Mapeamento dos elementos e definições dos dois modelos na
linguagem OWL. Para o desenvolvimento do protótipo foi
considerado um conjunto mínimo de elementos dos dois padrões,
conforme demonstrado na Figura 5.3.
90
3. Para codificação foi utilizada a ferramenta OilEd 3.5 que trabalha com
a linguagem OIL. A própria ferramenta disponibiliza vários
conversores inclusive para linguagem OWL, Figura 5.4. O resultado
da codificação em OWL dos padrões pode ser visualizado nas
Figuras 5.5 e 5.6.
IBICTIBICT SciELOSciELO
fnamefname
titletitle
surnamesurname
nomenome
titulotitulo
+
IBICTIBICT SciELOSciELO
fnamefname
titletitle
surnamesurname
nomenome
titulotitulo
+
Figura 5.5 Mapeamento dos elementos dos modelos
Figura 5.4 Desenvolvimento da especificação OIL do modelo do IBICT
91
A integração semântica é feita relacionando os modelos OWL da SciELO,
Figura 5.5, e do IBICT, Figura 5.6. Esse relacionamento gera um novo arquivo
OWL como demonstrado na Figura 5.7
Figura 5.5 Listagem OWL da SciELO
Figura 5.6 Listagem OWL do IBICT
92
4. Após a geração dos modelos em OWL, os mesmos devem ser
armazenados em alguma estrutura para futura reutilização. No
protótipo foi utilizado o Microsoft SQL Server 2000 como repositório
de ontologias.
5. A partir do momento em que o repositório de ontologias recebe
modelos, a interface mediadora deve ter acesso ao modelo de
integração para que seja executado o processo de orquestração. É
esse modelo que permitirá uma visão única do ambiente.
Figura 5.7 Arquivo do modelo de integração em OWL dos modelos IBICT e SciELO
93
6. Como no protótipo os modelos foram armazenados no SQL Server,
só foi utilizado o filtro SQL pela interface mediador. Sendo que esse
filtro terá duas solicitações, uma do modelo IBICT e outra da SciELO.
7. É importante observar que o resultado apresentado ao usuário só
será estruturado quando os filtros retornarem as informações no
padrão XML. Nesse caso, a interface mediadora aguarda por dois
retornos para encaminhar o resultado a interface de publicação que
então efetua o processamento de transformação e encaminha ao
usuário. Dessa forma é finalizado o ciclo da arquitetura com relação
ao protótipo.
Após a preparação da infra-estrutura, os usuários podem acessar o site do
BASCIN para efetuar pesquisas. A seguir é apresentado o fluxo de pesquisa
dos usuários.
Na Figura 5.8 é apresentado à tela inicial onde o usuário poderá efetuar a
pesquisa por três campos: autor, texto e ano. No protótipo o campo texto está
representando apenas o título do trabalho, mas poderia representar vários
campos como resumo, palavras-chave etc. Esse processo de representação é
executado no momento do mapeamento dos relacionamentos. A Figura 5.9
demonstra uma pesquisa de título que contenha a palavra “saúde”.
94
Figura 5.8 Tela inicial do BASCIN
Figura 5.9 Pesquisa de títulos pela palavra “saúde”
O resultado da pesquisa encontrou produção tanto na base do IBICT quanto
na base da SciELO. O resultado da pesquisa é apresentado na Figura 5.10.
95
Figura 5.10 Resultado da pesquisa na BASCIN
A partir do resultado o usuário deveria acessar através dos links os
trabalhos disponíveis. Como as duas bibliotecas digitais não permitem o envio
de parâmetros pela URL não foi possível completar esse fluxo. De qualquer
forma iremos simular essa etapa final para completar o fluxo do usuário. A
Figura 5.11 apresenta informações do trabalho pesquisado, uma dissertação
de mestrado. É importante lembrar que o IBICT não armazena os trabalhos na
sua base, apenas os metadados dos trabalhos no padrão MTD-BR. A partir das
informações da página o usuário poderá acessar diretamente a base origem do
trabalho, no caso o BTD do PPGEP/UFSC como mostra a Figura 5.12.
96
Figura 5.11 Link do texto completo no portal da BDTD do IBICT
Figura 5.12 Link do texto completo no BTD do PPGEP/UFSC
97
Os passos seguidos no acesso aos trabalhos no portal do IBICT também
deverão ser efetuados no portal da SciELO. A única diferença dos projetos é
que a SciELO armazena os trabalhos e não somente os metadados na sua
base conforme demonstrado nas Figuras 5.13 e 5.14.
Figura 5.13 Link do texto completo no portal da SciELO
98
Figura 5.14 Acesso ao texto completo da produção no portal da SciELO
5.3 Considerações finais
A abordagem de integração baseada em metadados aqui empregada
reforça a importância do uso de metadados no contexto de integração de
acervos científicos, conforme visto no capítulo 2, à medida que provê
mecanismos que possibilitam descrever os conflitos de representação quanto à
estrutura, mapeamentos, localização, e tipo de cada fonte de dados.
Abordagens que fazem uso de ontologias complementam a tarefa de descrição
dos recursos, uma vez que provê os mecanismos necessários para uma
descrição completa da semântica acerca dos dados.
No capítulo 6 será apresentado as conclusões e principalmente os trabalhos
futuros com base nesta pesquisa.
99
6 CONCLUSÕES E TRABALHOS FUTUROS
6.1 Conclusões
Apresentamos uma arquitetura para a integração semântica de bibliotecas
digitais que procurou ser flexível o bastante para atender aos requisitos da Web
Semântica. Utilizamos a abordagem de ontologias com o intuito de prover
principalmente o suporte à interoperabilidade e ao consenso semântico na
integração dos dados.
A XML foi adotada como a linguagem padrão na arquitetura devido suas
vantagens na interoperabilidade sintática e no alto ganho de flexibilidade
principalmente na apresentação dos dados em diferentes dispositivos.
As ontologias geradas na arquitetura foram representadas na linguagem
OWL, que se baseia nas tecnologias RDF e XML, permitindo assim uma
arquitetura extensível à implementação dos requisitos da Web Semântica.
Para validação da arquitetura foi desenvolvido um protótipo, denominado de
“Base Científica”. Esse protótipo resolveu a integração semântica da Biblioteca
Digital de Teses e Dissertações do IBICT e da Biblioteca Digital de Artigos da
SciELO. Essa integração foi estabelecida com informações pertinentes dos
autores e dos títulos dos trabalhos.
Para realizar essas relações foram geradas tabelas de correspondência
entre as ontologias envolvidas, como também, regras de correspondências
para a estruturação da tabela de mapeamento.
100
Durante o desenvolvimento da pesquisa percebeu-se que a Web Semântica
representa atualmente um dos grandes desafios para a comunidade científica,
pois consiste em uma integração de dados que pode ser utilizada por máquinas
e humanos. Além disto, viabiliza a automação e principalmente a reutilização
de dados por várias aplicações.
6.1 Trabalhos futuros
– Estudos mais aprofundados na área de gerenciamento de direitos
digitais, onde essa tecnologia é mais usada para evitar que filmes,
músicas e e-books sejam copiados. Essa tecnologia cria direitos de
acesso persistentes, o que significa direitos que acompanham os objetos
digitais e colocam limites sobre o encaminhamento, impressão, cópia ou
alteração, e determinam quantas vezes e por quanto tempo ele pode ser
visualizado.
– Estudos mais aprofundados em padrões e metodologias que garantam a
persistência dos endereços eletrônicos dos recursos digitais, como:
o URN20 - Uniform Resource Names
o PURL21 - Persistent URL
o DOI22 - Digital Object Identifier
– A experiência no desenvolvimento das ontologias demonstrou a
carência de ferramentas CASE no gerenciamento do repositório de
20 http://www.w3.org/Addressing/ 21 http://purl.oclc.org/ 22 http://www.doi.org/
101
ontologias. Essa ferramenta a ser desenvolvida poderia auxiliar os
especialistas na orquestração das ontologias.
– Implementação de web services que representem repositórios de
ontologias e filtros de domínios distintos.
– Estudos da tecnologia de computação em grade integrada a
tecnologia de web services.
– Desenvolvimento de agentes inteligentes para recuperação e
principalmente para mapeamento de novos relacionamentos.
– Segundo (Pacheco, 2001b), a Linguagem de Marcação da Plataforma
Lattes (LMPL23) não prevê a interoperabilidade com aplicações
externas à comunidade LMPL. Sendo uma plataforma de C&T torna-
se estratégico a evolução da sua forma de representação sintática
para uma representação semântica, norteando uma nova realidade na
interoperabilidade entre instituições de C&T.
23 http://www.cnpq.br/lattes
102
7 REFERÊNCIAS BIBLIOGRÁFICAS
(BARRETO, 1999) BARRETO, C. M. Modelo de Metadados para Descrição
de Documentos Eletrônicos na Web. Dissertação de Mestrado. Instituto
Militar de Engenharia, Programa de Pós-Graduação em Engenharia de
Sistemas, 1999.
(BAX, 1997) BAX, M. P. Agentes de Interface para Bibliotecas Digitais : A Arquitetura SABiO. In: Seminário sobre automação em bibliotecas e centros de documentação, 6., 1997, Águas de Lindóia. Anais... Águas de Lindóia : UNIVAP, 1997.
(BECHHOFER et al., 2000) BECHHOFER, S. et al. An Informal Description
of Standard OIL and Instance OIL, 2000. Disponível em
<http://www.ontoknowledge.org/oil/>. Acessado em 27 ago. 2003.
(BERGAMASCHI et al., 1999) BERGAMASCHI, S. et al. Semantic Integration of Semistructured and Structured Data Sources. SIGMOD Record, 1999.
(BERNERS – LEE et al., 2001a) BERNERS – LEE, T. et al. Semantic Web Development Proposal, 2001. Disponível em: <http://www.w3c.org/2001/sw/>. Acesso em 10 ago. 2003.
(BERNERS – LEE et al., 2001b) BERNERS – LEE, T. et al. The Semantic Web. Scientifc American, 2001.
(BREUKER, 1994) BREUKER, J., VAN DE VELDE, W. CommonKADS
Library for Expertise Modelling, IOS Press, 1994.
(CALVANESE et al., 1998) CALVANESE, D. et al. Information Integration: Conceptual Modeling and Reasoning Support. Conference on Cooperative Information Systems, 1998.
(CASTOLDI, 2003) CASTOLDI, A. V. Uma Ontologia para Enlaces de Unidades de Informação em Plataformas de Governo Eletrônico. Dissertação de Mestrado. Universidade Federal de Santa Catarina, Programa de Pós-Graduação em Engenharia de Produção. Florianópolis, 2003.
(CLANCEY, 1993) CLANCEY, W. J. The Knowledge Level Reinterpreted: Modelling Socio-Technical Systems. International Journal of Intelligent Systems, 1993.
103
(CHANDRASEKARAN, 1997) CHANDRASEKARAN, B., JOSEPHSON, J. R. The Ontology of Tasks and Methods. Stanford University, California, 1997.
(CWM, 2003) OMG Common Warehouse Metamodel (CWM) Specification.
Disponível em: <http://www.omg.org/cwm/>, 2003. Acessado em 28 ago. 2003.
(DACONTA, 2003) DACONTA, M.C., OBRST, L.J., SMITH, K.T. The Semantic Web. Wiley Publishing. Indianapolis, 2003.
(DAML+OIL, 2000) <http://www.daml.org/2000/12/daml+oil-index>.
(FALBO, 1998) FALBO R. A. Integração de Conhecimento em um Ambiente
de Engenharia de Software. Tese de Doutorado. Universidade Federal do Rio
de Janeiro, Programa de Pós-Graduação em Engenharia de Sistemas e
Computação. Rio de Janeiro, 1998.
(FENSEL, 2000) FENSEL D. et al. OIL in a Nutshell In: Knowledge Acquisition, Modeling, and Management, Proceedings of the European Knowledge Acquisition Conference, 2000.
(FÉRNANDEZ, 1997) FÉRNANDEZ, M., GÓMEZ-PÉREZ, A., JURISTO, N. METHONTOLOGY: From Ontological Art Towards Ontological Engineering. Ontological Engineering - Working Notes, Stanford University, California, 1997.
(GRUBER, 1992) GRUBER, T. R. Ontolingua: A Mechanism to Support
Portable Ontologies, version 3.0. Relatório Técnico. Knowledge Systems
Laboratory, Stanford University, California, 1992.
(GRUBER, 1995) GRUBER, T. R. Toward Principles for the Design of Ontologies used for Knowledge Sharing. Int. J. Human-Computer Studies, v. 43, n. 5/6, 1995.
(GUARINO, 1997)GUARINO, N. Understanding, Building and Using Ontologies. Int. Journal Human-Computer Studies, v. 45, n. 2/3, 1997.
(GUARINO, 1998a) GUARINO, N., WELTY, C. Conceptual Modeling and
Ontological Analysis . LADSEB-CNR, Padova, 1998.
104
(GUARINO, 1998b) GUARINO, N. Formal Ontologies and Information Systems. In: First International Conference, 1., 1998, Trento, Itália. Anais... Trento: IOS Press, 1998.
(GUHA, 1997) GUHA, R., BRAY, T. Meta Content Framework Using XML,
1997. Disponível em: <http://www.w3.org/TR/NOTE-MCF-XML-970606>.
Acessado em 05 set. 2003.
(GUNTHER, 1997) GUNTHER, O., VOISARD, A. Metadata in Geographic
and Environmental Data Management. In: W. Klas, e A. Sheth, Managing
Multimedia Data: Using Metadata to Integrate and Apply Digital Data. McGraw
Hill, 1997.
(GUNTHER, 1998) GUNTHER, O. Environmental Information Systems.
Springer-Verlag, 1998.
(GRUTTER, 2001) GRÜTTER, R., EIKEMEIER, C. Development of a Simple
Ontology Definition Language (SontoDL) and its Application to a Medical
Information Service on the World Wide Web. The First Semantic Web
Working Symposium, California, 2001.
(HASSELBRING, 2000) HASSELBRING, W. Information System Integration.
Communications of the ACM, vol.43, n.6, June 2000.
(HEFLIN, 2000) HEFLIN, J., HENDLER, J. Semantic Interoperability on the
Web. Extreme Markup Languages, 2000.
(HORROCKS, 2000) HORROCKS, I., FENSEL D., BROEKSTRA J., DECKER S., et al. The Ontology Layer OIL, 2000. Disponível em <http://www.ontoknowledge.org/oil//TR/oil.long.html>. Acessado em 11 ago. 2003.
(HULL, 1997) HULL, R. Managing Semantic Heterogeneity in Databases: A
Theoretical Perspective. ACM PODS, 1997. Disponível em <http://www-
db.research.bell-labs.com/user/hull/pods97-tutorial.html>. Acessado em 20
ago.2003.
105
(KARP, 1999) KARP P.D., CHAUDHRI V.K., THOMER J. X.: An XML-Based Ontology Exchange Language , Tech. Rep., Versions 0.3, 1999.
(KENT, 1989) KENT, W. The Many Forms of a Single Fact. San Francisco: Proc. IEEE Compcon, 1989. Disponível em: <http://www.bkent.net/Doc/manyform.htm>. Arquivo consultado em 28 ago. 2003.
(KERHERVÉ, 1997) KERHERVÉ, B. Models for Metadata or Metamodels for
Data?. Second IEEE Metadata Conference, Silver Spring, Maryland,
Disponível em: <http://citeseer.nj.nec.com/kerherve97model.html>. Acessado
em 22 ago. 2003.
(KRAUSKOPF, 1996) KRAUSKOPF, T. et al. PICS Label Distribution Label
Syntax and Communication Protocols Version 1.1. W3C (World-Wide Web
Consortium) Disponível em: <http://www.w3.org/TR/REC-PICS-labels>.
Acessado em 02 set. 2003.
(KRISHNAMURTHY, 1991) KRISHNAMURTHY, R., LITWIN, W., KENT, W.
Language Features for Interoperability of Data Base with Schematic
Discrepancies. ACM, 1991.
(LAGOZE, 1996) LAGOZE, C. et al. The Warwick Framework - A Container
Architecture for Aggregating Sets of Metadata. Disponível em:
<http://www.dlib.org/dlib/july96/lagoze/07lagoze.html>. Acessado em 19 ago.
2003.
(LASSILA, 1999) LASSILA, Ora, SWICK, Ralph R. Resource Description Framework (RDF) Model and Syntax Specification, Disponível em: <http://www.w3c.org/TR/1999/REC-rdf-syntax-19990222>. Acessado em 26 ago. 2003.
(LEVACOV, 1997) LEVACOV M. Bibliotecas Virtuais : ( R )evolução?.. Ci. Inf, Brasília, DF, v. 26, n.2, p.125-135, maio/ago. 1997.
(LEVY, 1995) LEVY, D. M., MARSHAL, C.C.. Going Digital: A Look at Assumptions Underlying Digital Libraries. Communications of the ACM v38, n4, 1995.
106
(LIMA, 2001) Lima , T. S. Entrelaçamentos Semânticos Modelando a Integração da Informação na Web Semântica. Tese de Doutorado, Universidade do Estado de São Paulo, Programa de Pós-Graduação em Ciência da Computação, São Carlos, 2001.
(LUKE, 2000) LUKE, S., HEFLIN, J. SHOE 1.01. Proposed Specification, Disponível em: <http://www.cs.umd.edu/projects/p lus/SHOE/spec.html>. Acessado em 14 ago. 2003.
(MARTIN, 2001) MARTIN, D.; BIRBECK, M.; KAY, M.; LOESGEN, B.;
PINNOCK, J.; LIVINGSTONE, S.; WILLIAMS, K.; ANDERSON, R.; MOHR, S.;
BALILES, D.; PEAT, B.; OZU, N. Professional XML. Ciência Moderna Ltda,
2001.
(MOURA, 1998) MOURA, A.,CAMPOS, M. L. M., BARRETO, C. M. A Survey
on Metadata for Describing and Retrieving Internet Resources. World Wide
Web Journal, Baltzer Science Publishers BV, 1998.
(NOY, 1997) NOY, N. F., HAFNER C.D. The State of Art in Ontology Design: A Survey and Comparative Review. AI Magazine, 1997.
(O’LEARY, 1997) O’LEARY, D. E. Impediments in the Use of Explicit Ontologies for KBS Development. Int. J. Human-Computer Studies, v. 46, n. 2/3, 1997.
(OIM, 1999) Meta Data Coalition. Open Information Model (OIM) version 1.1 Proposal, Disponível em: http://www.MDCinfo.com. Acessado em 02 ago. 2003).
(OLIVEIRA, 2002) OLIVEIRA, Douglas H. Introdução a XML e suas Aplicações, 2002.
(PACHECO, 2001a) PACHECO, R. C. S; KERN, V. M. Transparência e Gestão do Conhecimento por Meio de um Banco de Teses e Dissertações: A Experiência do PPGEP/UFSC. Ci. Inf., Brasília, v. 30, n. 3, p. 64-72, set./dez. 2001
(PACHECO, 2001b) PACHECO, R. C. S; KERN, V. M. Uma Ontologia Comum para a Integração de Bases de Informações e Conhecimento sobre Ciência e Tecnologia. Ci. Inf., Brasília, v. 30, n. 3, p. 56-63, set./dez. 2001
107
(PADILHA, 2003) PADILHA, P. Extrator de Metadados. Trabalho de Conclusão de Curso, Faculdades Integrada Facvest, Curso de Ciências da Computação, Lages, 2003.
(PICS, 1996) PICS: Internet Access Controls Without Censorship, Communications of the ACM, Vol.39, N.10, October 1996.
(RDFS, 2000) Resource Description Framework (RDF) Schemas. W3C
Candidate Recommendation, Disponível em: <http://www.w3.org/TR/rdf-
schema/>. Acessado em 10 ago. 2003).
(RUSSEL, 1995) RUSSEL, S., NORVIG, P. Artificial Intelligence: A Modern
Approach. Prentice-Hall, 1995.
(SAUNDERS, 1995) Saunders, L. M. Transforming Acquitions to Support
Virtual Libraries. Information Technology and Libraries, Vol. 14, N. 1,
March 1995.
(SIMON, 1998) SIMON, E., TOMASIC, A., GALHARDAS, H. A Framework for
Classifying Scientific Metadata. American Association for Artificial
Intelligence, 1998.
(SMITH, 2000) SMITH, B. Ontology: Philosophical and Computational. Disponível em: <http://wings.buffalo.edu/philosophy/faculty/smith/articles/ontologies.htm>, Acessado em: 03 set. 2003.
(SMITH, 2003) SMITH, Michael K; VOLZ, Raphael; McGUINESS, Debora. Web Ontology Language (OWL) Guide Version 1.0, W3C Working Draft, Disponível em: <http://www.w3.org/TR/2002/WD-owl-guide-20021104>. Acesso em 22 de ago. 2003.
(SOAP, 2003) <http://www.w3c.org/TR/soap12-part0/>, Acessado em 15 set. 2003
(SOWA, 2000) SOWA, J. F. Ontology, Metadata, and Semiotics. ICCS’2000
in Darmstadt, Germany, August, 2000. Disponível em:
<http://users.bestweb.net/~sowa/peirce/ontometa.htm>. Acessado em 17 ago.
2003.
108
(SWOBODA, 1999) SWOBODA, W. et al. The UDK Approach: the 4th
Generation of an Environmental Data Catalogue Introduced in Austria and
Germany. IEEE, 1999. Disponível em
<http://www.computer.org/proceedings/meta/1999/papers/45/wswoboda.html>.
Acessado em 25 ago. 2003.
(UDDI, 2002) <http://uddi.org/pubs/uddi-v3.00-published-20020719.htm>,
Acessado em 20 set. 2003
(USCHOLD, 1995) USCHOLD, M., KING, M. Towards a Methodology for Building Ontologies. In: Workshop on Basic Ontological Issues in Knowledge Sharing,1995.
(USCHOLD, 1996) USCHOLD, M., GRUNINGER M. Ontologies: Principles, Methods and Applications. The Knowledge Engineering Review, v. 11, n. 2, p. 93-136, 1996.
(XMI, 2003) XML Metadata Interchange (XMI) Specification, Verson 2.0, 2003. Disponível em: <http://www.omg.org/cgi-bin/doc?formal/2003-05-02>. Acessado em 24 ago. 2003.
(Web Services, 2002) <http://www.w3c.org/2002/ws/>, Acessado em 14 ago. 2003.
(WEIBEL, 1997) Weibel, S., Miller,r. Dublin Core Metadata Element Set
Reference Description Office of Research. OCLC Online Computer Library
Center, Inc. Web Site: http://www.purl.org/ . 1997.
(WEIBEL, 1999) WEIBEL, S. The State of the Dublin Core Metadata
Initiative. D-Lib Magazine, April 1999.
(WOODRIDGE, 1999) WOODRIDGE, M. Intelligent Agents. In G. Weiss, Multiagent Systems, The MIT Press, April 1999.
(WOOLF, 1981) WOOLF H. B. Webster's New Collegiate Dictionary. Springfield. Mass: G&C, Merriam, 1981.